如何平滑和绘制 x 与 y 的加权平均值，由 x 加权？答案

【问题标题】：How to smooth and plot x vs weighted average of y, weighted by x?如何平滑和绘制 x 与 y 的加权平均值，由 x 加权？
【发布时间】：2019-08-23 03:50:21
【问题描述】：

我有一个数据框，其中有一列权重和一个值。我需要：

离散权重，并为每个权重区间绘制加权平均值，然后
将相同的逻辑扩展到另一个变量：离散 z，并为每个区间绘制加权的值的平均值，按权重加权

有没有简单的方法可以实现？我找到了方法，但是好像有点麻烦：

我用 pandas.cut() 离散化数据帧
进行分组并计算加权平均值
绘制每个 bin 的平均值与加权平均值的关系
我也尝试过用样条曲线平滑曲线，但效果不大

基本上我正在寻找一种更好的方法来产生更平滑的曲线。

我的输出如下所示：

我的代码和一些随机数据是：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from scipy.interpolate import make_interp_spline, BSpline

n=int(1e3)
df=pd.DataFrame()
np.random.seed(10)
df['w']=np.arange(0,n)
df['v']=np.random.randn(n)
df['ranges']=pd.cut(df.w, bins=50)
df['one']=1.
def func(x, df):
    # func() gets called within a lambda function; x is the row, df is the entire table
    b1= x['one'].sum()
    b2 = x['w'].mean()
    b3 = x['v'].mean()       
    b4=( x['w'] * x['v']).sum() / x['w'].sum() if x['w'].sum() >0 else np.nan

    cols=['# items','avg w','avg v','weighted avg v']
    return pd.Series( [b1, b2, b3, b4], index=cols )

summary = df.groupby('ranges').apply(lambda x: func(x,df))

sns.set(style='darkgrid')

fig,ax=plt.subplots(2)
sns.lineplot(summary['avg w'], summary['weighted avg v'], ax=ax[0])
ax[0].set_title('line plot')

xnew = np.linspace(summary['avg w'].min(), summary['avg w'].max(),100)
spl = make_interp_spline(summary['avg w'], summary['weighted avg v'], k=5) #BSpline object
power_smooth = spl(xnew)
sns.lineplot(xnew, power_smooth, ax=ax[1])
ax[1].set_title('not-so-interpolated plot')

【问题讨论】：

你的平均权重是多少？
想象一个具有 3 列的数据框：w、x、y。我离散 x；对于如此离散的 x 的每个桶，我想计算 y 的加权平均值，由 w 加权。
请注意，您的评论与问题不同（您要离散权重还是 x？）此外，关于平滑的句子也不清楚。计算加权平均值不一定会平滑任何东西，这取决于权重，对吧？那么目的是平滑的吗？还是计算加权平均值？
你说得对，我不清楚。实际上，我有时会通过权重进行离散化，有时会通过另一个变量进行离散化。加权平均值与平滑无关 - 平滑是一个单独的点。
@Pythonistaanonymous 你考虑过使用内核吗？对我来说，这似乎是正确的方法

标签： python pandas matplotlib pandas-groupby weighted-average

【解决方案1】：

如果我的理解正确，您是在尝试重新创建滚动平均值。

这已经是 Pandas 数据帧的一项功能，使用 rolling 函数：

dataframe.rolling(n).mean()

其中n 是“窗口”或“箱”中用于平均值的相邻点的数量，因此您可以调整它以获得不同程度的平滑度。

您可以在此处找到示例：

【讨论】：

我不确定这是否相同。我没有时间序列，我正在寻找的是加权平均值。可以说，我应该选择条形图而不是线图，但是，基本上，我离散化一个连续变量，然后显示离散化产生的每个桶的加权平均值。例如，想象一次人口调查；我按年龄范围划分，对于每个年龄范围，我显示加权平均值，我不知道，按收入加权的储蓄率。类似的东西。

【解决方案2】：

你问题的第一部分很容易做到。

我不确定你对第二部分的意思。您想要（简化的）代码复制还是更适合您需求的新方法？

无论如何，我必须查看您的代码以通过加权值来理解您的意思。我认为人们通常会期望与该术语不同的东西（仅作为警告）。

这是您的方法的简化版本：

df['prod_v_w'] = df['v']*df['w']
weighted_avg_v = df.groupby(pd.cut(df.w, bins=50))[['prod_v_w','w']].sum()\
                   .eval('prod_v_w/w')
print(np.allclose(weighted_avg_v, summary['weighted avg v']))
Out[18]: True

【讨论】：

@p-tillmann 人们如何理解“权重”，他们如何称呼我所说的权重？

【解决方案3】：

我认为这是您所寻求的解决方案。正如其他人所建议的那样，它使用滚动窗口。需要做更多的工作才能使其正常工作。

df["w*v"] = df["w"] * df["v"]

def rolling_smooth(df,N):
    df_roll = df.rolling(N).agg({"w":["sum","mean"],"v":["mean"],"w*v":["sum"]})
    df_roll.columns = [' '.join(col).strip() for col in df_roll.columns.values]
    df_roll['weighted avg v'] = np.nan
    cond = df_roll['w sum'] > 0
    df_roll.loc[cond,'weighted avg v'] = df_roll.loc[cond,'w*v sum'] / df_roll.loc[cond,'w sum']
    return df_roll

df_roll_100 = rolling_smooth(df,100)
df_roll_200 = rolling_smooth(df,200)

plt.plot(summary['avg w'], summary['weighted avg v'],label='original')
plt.plot(df_roll_100["w mean"],df_roll_100["weighted avg v"],label='rolling N=100')
plt.plot(df_roll_200["w mean"],df_roll_200["weighted avg v"],label='rolling N=200')
plt.legend()

【讨论】：

【解决方案4】：

我认为您使用的插值很少，通过将 xnew = np.linspace(summary['avg w'].min(), summary['avg w'].max(),100) 更改为 xnew = np.linspace(summary['avg w'].min(), summary['avg w'].max(),500) 我得到以下信息：

并将样条度数更改为k=2 我得到以下结果：

我认为插值的一个很好的起点可能是n/2 和k=2，因为它呈现的数据变形较少。希望能帮助到你。

【讨论】：