我有一个关于教育和收入的大熊猫数据框,基本上看起来像这样。
import pandas as pd
import numpy as np
data = {
'education': ['Low', 'High', 'High', 'Medium', 'Low', 'Low', 'High', 'Low', 'Medium', 'Medium'],
'income': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
'weights': [11, 12, 13, 14, 15, 16, 17, 18, 19, 20]
}
df = pd.DataFrame(data, columns=['education', 'income', 'weights'])
print(df)
education income weights
0 Low 1 11
1 High 2 12
2 High 3 13
3 Medium 4 14
4 Low 5 15
5 Low 6 16
6 High 7 17
7 Low 8 18
8 Medium 9 19
9 Medium 10 20
我创建了一个数据透视表,用于计算每种教育类别的平均收入,如下所示:
pivot_educ_inc = pd.pivot_table(df,
values='income',
index='education',
aggfunc=np.mean)
print(pivot_educ_inc)
income
education
High 4.000000
Low 5.000000
Medium 7.666667
我真正想要的是使用“我的权重”列来获得每个教育水平的加权收入方式。但是我找不到定义可以分配给aggfunc的加权均值函数的方法,并且可以做到这一点。
对于我来说,简单地创建一个加权数据集真的不方便(可能吗?),因为权重加起来超过1亿。另外,理想情况下,我想使用aggfunc参数,因为我的数据集中有更多列,例如教育,我想计算加权平均值,其中一些具有25个以上类别。
我可能完全忽略了这里的某些内容,但是我很困惑。
我是的忠实拥护者pivot_table
,因此在这里提供了使用它的解决方案:
pivot = df.pivot_table(values='income',
index='education',
aggfunc=lambda rows: np.average(rows, weights=df.loc[rows.index, 'weights']))
结果数据帧将如下所示:
income
education
High 4.333333
Low 5.433333
Medium 8.056604
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