berechnen gewichteter Durchschnitt mit Pandas Datenrahmen

Question

Ich habe folgende te Pandas Datenrahmen:

data_df = pd.DataFrame({'ind':['la','p','la','la','p','g','g','la'], 
         'dist':[10.,5.,7.,8.,7.,2.,5.,3.], 
         'diff':[0.54,3.2,8.6,7.2,2.1,1.,3.5,4.5], 
         'cas':[1.,2.,3.,4.,5.,6.,7.,8.]}) 

, das ist

cas diff dist ind 
0 1 0.54 10 la 
1 2 3.20  5 p 
2 3 8.60  7 la 
3 4 7.20  8 la 
4 5 2.10  7 p 
5 6 1.00  2 g 
6 7 3.50  5 g 
7 8 4.50  3 la 

ich den gewichteten Durchschnitt aller Spalten berechnen müssen, wobei die Gewichte in der ' dist 'spalte und gruppiere die Werte mit' ind '.

beispielsweise für 'ind' = 'la' und dem 'diff' Säule:

((10*0.54)+(8.60*7)+(7.20*8)+(4.50*3))/(10+7+8+3) = 4.882143 

Das Ergebnis I ist die folgende

 cas  diff 
ind      
g 6.714286 2.785714 
la 3.107143 4.882143 
p 3.750000 2.558333 

erhalten wollen, die durch Multiplizieren jedes erhaltene Wert jeder Spalte durch den entsprechenden Wert in der 'dist'-Spalte, summiere die Ergebnisse mit dem gleichen' ind 'und dividiere dann das Ergebnis durch die Summe aller' dist'-Werte, die der gleichen ind entsprechen.

Ich dachte, das wäre eine einfache Aufgabe gewesen, die von der Dataframe-Methode "groupby" erledigt wurde, aber eigentlich ist es ziemlich kompliziert.

Kann mir bitte jemand helfen?

Answer 1

können Sie erhalten innerhalb von Gruppen normalisierten Gewichte von transform mit:

>>> df['weight'] = df['dist']/df.groupby('ind')['dist'].transform('sum') 
>>> df['weight'] 
0 0.357143 
1 0.416667 
2 0.250000 
3 0.285714 
4 0.583333 
5 0.285714 
6 0.714286 
7 0.107143 
Name: weight, dtype: float64 

Dann müssen Sie nur dieses Gewicht multiplizieren mit den Werten, und nehmen Sie die Summe:

>>> df['wcas'], df['wdiff'] = (df[n] * df['weight'] for n in ('cas', 'diff')) 
>>> df.groupby('ind')[['wcas', 'wdiff']].sum() 
     wcas  wdiff 
ind      
g 6.714286 2.785714 
la 3.107143 4.882143 
p 3.750000 2.558333 

---

Edit: mit In-Place-Mutation:

>>> backup = df.copy()  # make a backup copy to mutate in place 
>>> cols = df.columns[:2] # cas, diff 
>>> df[cols] = df['weight'].values[:, None] * df[cols] 
>>> df.groupby('ind')[cols].sum() 
      cas  diff 
ind      
g 6.714286 2.785714 
la 3.107143 4.882143 
p 3.750000 2.558333