Calcolare la media ponderata usando un panda/dataframe

Question

Ho la seguente tabella. Voglio calcolare una media ponderata raggruppata per ogni data in base alla seguente formula. Posso farlo usando un codice convenzionale standard, ma partendo dal presupposto che questi dati siano in un dataframe panda, esiste un modo più semplice per raggiungere questo obiettivo piuttosto che attraverso l'iterazione?

Date  ID  wt  value w_avg 
01/01/2012 100  0.50 60  0.791666667 
01/01/2012 101  0.75 80 
01/01/2012 102  1.00 100 
01/02/2012 201  0.50 100  0.722222222 
01/02/2012 202  1.00 80 

01/01/2012 w_avg = 0.5 * (60/sum (60,80,100)) + .75 * (80/sum (60,80,100)) + 1,0 * (100/sum (60, 80.100))

01/02/2012 w_avg = 0.5 * (100/sum (100,80)) + 1.0 * (80/sum (100,80))

Answer 1

credo voglio farlo con due groupbys.

primo a calcolare il "media ponderata":

In [11]: g = df.groupby('Date') 

In [12]: df.value/g.value.transform("sum") * df.wt 
Out[12]: 
0 0.125000 
1 0.250000 
2 0.416667 
3 0.277778 
4 0.444444 
dtype: float64 

Se si imposta questo come una colonna, è possibile GroupBy su di esso:

In [13]: df['wa'] = df.value/g.value.transform("sum") * df.wt 

Ora la somma di questa colonna è il desiderato :

In [14]: g.wa.sum() 
Out[14]: 
Date 
01/01/2012 0.791667 
01/02/2012 0.722222 
Name: wa, dtype: float64 

o potenzialmente:

01.235.164,106 mila

In [15]: g.wa.transform("sum") 
Out[15]: 
0 0.791667 
1 0.791667 
2 0.791667 
3 0.722222 
4 0.722222 
Name: wa, dtype: float64 

Answer 2

Diamo prima creare l'esempio panda dataframe:

In [1]: import numpy as np 

In [2]: import pandas as pd 

In [3]: index = pd.Index(['01/01/2012','01/01/2012','01/01/2012','01/02/2012','01/02/2012'], name='Date') 

In [4]: df = pd.DataFrame({'ID':[100,101,102,201,202],'wt':[.5,.75,1,.5,1],'value':[60,80,100,100,80]},index=index) 

Poi, la media dei 'wt' ponderato da 'valore' e raggruppati per l'indice è ottenuta come:

In [5]: df.groupby(df.index).apply(lambda x: np.average(x.wt, weights=x.value)) 
Out[5]: 
Date 
01/01/2012 0.791667 
01/02/2012 0.722222 
dtype: float64 

Alternativamente , si può anche definire una funzione:

In [5]: def grouped_weighted_avg(values, weights, by): 
    ...:  return (values * weights).groupby(by).sum()/weights.groupby(by).sum() 

In [6]: grouped_weighted_avg(values=df.wt, weights=df.value, by=df.index) 
Out[6]: 
Date 
01/01/2012 0.791667 
01/02/2012 0.722222 
dtype: float64 

Answer 3

Ritengo che la seguente sia una soluzione elegante a questo problema da :(Pandas DataFrame aggregate function using multiple columns)

grouped = df.groupby('Date') 

def wavg(group): 
    d = group['value'] 
    w = group['wt'] 
    return (d * w).sum()/w.sum() 

grouped.apply(wavg) 

Answer 4

ho salvato la tabella nel file .csv

df=pd.read_csv('book1.csv') 

grouped=df.groupby('Date') 
g_wavg= lambda x: np.average(x.wt, weights=x.value) 
grouped.apply(g_wavg)