每天字符串的平均值和总和答案

【问题标题】：Average value and sum of strings for each day每天字符串的平均值和总和
【发布时间】：2020-10-14 20:44:28
【问题描述】：

我有一个包含 3 列的数据框。我正在使用 python / pandas。

     date         id         my_value1      my_value2
0    31.07.20     128909      0.098333      positive
1    31.07.20     128914      0.136364      positive
3    31.07.20     853124     -0.025000      negative
4    30.07.20     123456     -1.000000      neutral
...

第一列包含从 06.02.20 到 31.07.20 之间的日期（可以解析为任何其他形式），其中缺少一些日期。如您所见，每天都会出现多次。

my_value1 列包含一个介于 1 和 -1 之间的浮点数。

my_value2 列包含字符串“positive”、“negative”或“neutral”。

我想要的是一个新的数据框，其中包含每天“my_value1”的平均值和“my_value2”的每个值的总和，如下所示：

     date         average_value1     sum_positive     sum_negative     sum_neutral
0    31.07.20      0.1               1532             2153             5321
1    30.07.20      0.2               2153             5321             1532
3    29.07.20     -0.3               1234             1234             1234
...

感谢任何帮助！

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

如果原始DataFrame的索引不重要，你可以这样做

encoded_df = pd.get_dummies(df, prefix="", prefix_sep="", columns=["my_value2"])
output = encoded_df.groupby("date").agg(
    average_value1 = pd.NamedAgg("my_value1", "mean"),
    sum_positive = pd.NamedAgg("positive", "sum"),
    sum_negative = pd.NamedAgg("negative", "sum"),
    sum_neutral = pd.NamedAgg("neutral", "sum")
).reset_index()

输出：

       date  average_value1  sum_positive  sum_negative  sum_neutral
0  30.07.20       -1.000000             0             0            1
1  31.07.20        0.069899             2             1            0

【讨论】：

【解决方案2】：

这就是我要走的路：

from io import StringIO
import pandas as pd
# read data
df = pd.read_csv(StringIO("""    date         id         my_value1      my_value2
0    31.07.20     128909      0.098333      positive
1    31.07.20     128914      0.136364      positive
3    31.07.20     853124     -0.025000      negative
4    30.07.20     123456     -1.000000      neutral
"""), sep='\s+')

df.date = pd.to_datetime(df.date)
df.set_index('date', inplace=True)
# obtain daily average
df_avg = df.resample('D').my_value1.mean().to_frame('average')
# obtain the counts
df_cnt = df.resample('D').my_value2.value_counts()
df_cnt = df_cnt.to_frame()
df_cnt = df_cnt.unstack()
df_cnt = df_cnt.droplevel(level=0, axis=1)
# join the two dataframes
df_avg.join(df_cnt)
# The desired output
    average negative    neutral positive
date                
2020-07-30  -1.000000   NaN 1.0 NaN
2020-07-31  0.069899    1.0 NaN 2.0

【讨论】：

【解决方案3】：

试试这个：

tmp1 = df.groupby('date')['my_value1'].mean().to_frame('average_value1')

tmp2 = (
    df.groupby(['date', 'my_value2'])
        ['my_value1'].sum()
        .unstack()
        [['positive', 'negative', 'neutral']]
)
tmp2.columns = 'sum_' + tmp2.columns

result = tmp1.join(tmp2)

【讨论】：

看起来像它的工作，但不是作为数字的总和，该列包含一个长字符串，例如“积极积极积极积极...”。你知道一个快速解决方法吗？
我将其更改为大写，因为它在我的数据中实际上是大写的。但所有其他列名都适合。