从两个单独的 DataFrame 创建 Pandas DataFrame答案

【问题标题】：Creating A Pandas DataFrame From Two Separate DataFrames从两个单独的 DataFrame 创建 Pandas DataFrame
【发布时间】：2018-04-23 04:10:28
【问题描述】：

尝试编写一个函数来求解给定两个单独的 Pandas DataFrame 的曲线下面积。正如 print 语句所证实的那样，DataFrame 的列已正确解包，但是，我无法从单独的帧中创建新的 Dataframe 或引用 fpr 数据帧的特定索引来进行计算。

def areaUnderCurve(tpr, fpr):
auc = 0.0
for fpr, tpr in zip(tpr['True Positive Rate'], fpr['False Positive Rate']):
    auc += np.trapz(y=fpr['False Positive Rate'], x=tpr['True Positive Rate'])                      
return auc

calcAUC = areaUnderCurve(dataframe, dataframe)
print(calcAUC)

打印语句的示例输出：

0 1.0 0.94
1 1.0 0.8866666666666667
2 1.0 0.8133333333333334
3 1.0 0.7866666666666666
4 1.0 0.78
5 1.0 0.6533333333333333
6 1.0 0.6333333333333333
7 1.0 0.6266666666666667
8 1.0 0.6133333333333333
9 1.0 0.6

***更新代码尝试根据答案计算 AUC，收到以下错误“float object is not subscriptable”

【问题讨论】：

标签： python pandas dataframe auc

【解决方案1】：

numpy 具有数值积分方法，例如，np.trapz 使用梯形规则进行计算。

import numpy as np

np.trapz(y=fpr['False Positive Rate'], x=tpr['True Positive Rate'])

应该给你面积。

【讨论】：

确实如此。 Numpy 很强大，我仍然感到惊讶。将在 trapz 上进行更多探索

【解决方案2】：

@Jay 派

要回答您的第一个问题，您绝对可以从两个数据框创建一个数据框

data=pd.DataFrame(zip(tpr['True Positive Rate'],fpr['False Positive Rate']),columns=['TPR','FPR'])

为了计算 ROC，您可以在这个数据帧上使用以下逻辑

data['dFPR']=list(np.diff(data['FPR'].values)) + [0]
data['dTPR']=list(np.diff(data['TPR'].values)) + [0]
data['sum1']=data.apply(lambda x : x['TPR'] * x['dFPR'],axis=1)
data['sum2']=data.apply(lambda x : x['dTPR'] * x['dFPR'],axis=1)
ROC=sum(data['sum1']) + sum(data['sum2'])/2

随机值示例

tpr=pd.DataFrame(np.random.rand(100,2),columns=['Col1','True Positive Rate'])
fpr=pd.DataFrame(np.random.rand(100,2),columns=['Col2','False Positive Rate'])
data=pd.DataFrame(zip(tpr['True Positive Rate'],fpr['False Positive Rate']),columns=['TPR','FPR'])
data['dFPR']=list(np.diff(data['FPR'].values)) + [0]
data['dTPR']=list(np.diff(data['TPR'].values)) + [0]
data['sum1']=data.apply(lambda x : x['TPR'] * x['dFPR'],axis=1)
data['sum2']=data.apply(lambda x : x['dTPR'] * x['dFPR'],axis=1)
ROC=sum(data['sum1']) + sum(data['sum2'])/2
print(ROC)

0.773539521758

【讨论】：

你重新演绎了这个真的很酷。仅供参考：numpy（pandas 的父包），具有更快、更准确、调试更好的数值积分函数。
无论如何，很好的答案。点赞。
@Anant Gupta 感谢您的回答！我已经能够计算 ROC 并且位于单独的数据框中。我的目标是计算 AUC。不确定这是否是答案中的错字。
同样接收数据参数不能是合并数据帧解决方案的迭代器。