我很难弄清楚如何根据我的一个列获得“滚动权重”,然后将这些权重计入另一列。
我在我的数据上尝试了groupby.rolling.apply (function)
,但主要的问题是概念化我将如何采用列的运行/滚动平均值我将变成权重,然后将权重的这个“窗口”计算到另一个未滚动的列。
我也故意将min_period
设置为1,所以你会注意到我的前两行最终输出"rwag"
镜像原始。
W
是从中导出权重的滚动列。 B
是应用滚动权重的列。分组仅在列a
上完成。
df
已经被a
和yr
排序。
def wavg(w,x):
return (x * w).sum() / w.sum()
n=df.groupby(['a1'])[['w']].rolling(window=3,min_periods=1).apply(lambda x: wavg(df['w'],df['b']))
Input:
id | yr | a | b | w
---------------------------------
0 | 1990 | a1 | 50 | 3000
1 | 1991 | a1 | 40 | 2000
2 | 1992 | a1 | 10 | 1000
3 | 1993 | a1 | 20 | 8000
4 | 1990 | b1 | 10 | 500
5 | 1991 | b1 | 20 | 1000
6 | 1992 | b1 | 30 | 500
7 | 1993 | b1 | 40 | 4000
Desired output:
id | yr | a | b | rwavg
---------------------------------
0 1990 a1 50 50
1 1991 a1 40 40
2 1992 a1 10 39.96
3 1993 a1 20 22.72
4 1990 b1 10 10
5 1991 b1 20 20
6 1992 b1 30 20
7 1993 b1 40 35.45
apply
与rolling
通常有一些wired行为
df['Weight']=df.b*df.w
g=df.groupby(['a']).rolling(window=3,min_periods=1)
g['Weight'].sum()/g['w'].sum()
df['rwavg']=(g['Weight'].sum()/g['w'].sum()).values
Out[277]:
a
a1 0 50.000000
1 46.000000
2 40.000000
3 22.727273
b1 4 10.000000
5 16.666667
6 20.000000
7 35.454545
dtype: float64