我有一个如下所示的数据框:
import numpy as np
import pandas as pd
df = pd.DataFrame({"Colum1":
["A", "A", "A", "A", "B", "B", "B", "C", "C", "D"],
"Colum2": [24., 25, 21., 33, 26, 24., 25, 21., 33, 26],
"Colum3": [0.2, 0.3, 0.4, 0.5, 0.6, 0.2, 0.3, 0.4, 0.5, 0.6]})
Colum1 Colum2 Colum3
0 A 24.0 0.2
1 A 25.0 0.3
2 A 21.0 0.4
3 A 33.0 0.5
4 B 26.0 0.6
5 B 24.0 0.2
6 B 25.0 0.3
7 C 21.0 0.4
8 C 33.0 0.5
9 D 26.0 0.6
这里我有 4 行对应 A,3 行对应 B,2 对应 C,1 对应 D。
如何添加 B、C 和 D 的行,使其具有与 A 相同的数字以使用它们的平均值有 4 行?例如,colum2 的 B 平均值为 (26+25+24)/3 = 25,colum3 的平均值为 (0.6+0.2+0.3)/3 = 0.37 所以我添加一行 B 25 0.37
对于 C,只有 2 行,第 2 列和第 3 列的平均值是 27 和 0.45,所以我添加了两行 C 27 0.45
对于 D 只有一行,所以我们添加三个具有相同值的行
目标是:
Colum1 Colum2 Colum3
0 A 24.0 0.2
1 A 25.0 0.3
2 A 21.0 0.4
3 A 33.0 0.5
4 B 26.0 0.6
5 B 24.0 0.2
6 B 25.0 0.3
7 B 25.0 0.37
8 C 21.0 0.4
9 C 33.0 0.5
10 C 27.0 0.45
11 C 27.0 0.45
12 D 26.0 0.6
13 D 26.0 0.6
14 D 26.0 0.6
15 D 26.0 0.6
g = df.groupby('Colum1')
avg, s = g.mean(), g.size()
rows = avg.loc[avg.index.repeat(s.max() - s)]
pd.concat([df, rows.reset_index()]).sort_values('Colum1')
计算每组的mean
和size
>>> avg
Colum2 Colum3
Colum1
A 25.75 0.350000
B 25.00 0.366667
C 27.00 0.450000
D 26.00 0.600000
>>> s
Colum1
A 4
B 3
C 2
D 1
dtype: int64
Repeat
数据帧的行avg
N 次,其中 N 是通过从最大组大小中减去每个组的大小来获得的
>>> rows
Colum2 Colum3
Colum1
B 25.0 0.366667
C 27.0 0.450000
C 27.0 0.450000
D 26.0 0.600000
D 26.0 0.600000
D 26.0 0.600000
Concat
采样的原始数据帧rows
以获得具有平衡组分布的数据帧
Colum1 Colum2 Colum3
0 A 24.0 0.200000
1 A 25.0 0.300000
2 A 21.0 0.400000
3 A 33.0 0.500000
4 B 26.0 0.600000
5 B 24.0 0.200000
6 B 25.0 0.300000
0 B 25.0 0.366667
7 C 21.0 0.400000
8 C 33.0 0.500000
1 C 27.0 0.450000
2 C 27.0 0.450000
9 D 26.0 0.600000
3 D 26.0 0.600000
4 D 26.0 0.600000
5 D 26.0 0.600000
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句