我试图在不同组的python中获得累积平均值。
我有如下数据:
id date value
1 2019-01-01 2
1 2019-01-02 8
1 2019-01-04 3
1 2019-01-08 4
1 2019-01-10 12
1 2019-01-13 6
2 2019-01-01 4
2 2019-01-03 2
2 2019-01-04 3
2 2019-01-06 6
2 2019-01-11 1
我试图得到这样的输出:
id date value cumulative_avg
1 2019-01-01 2 NaN
1 2019-01-02 8 2
1 2019-01-04 3 5
1 2019-01-08 4 4.33
1 2019-01-10 12 4.25
1 2019-01-13 6 5.8
2 2019-01-01 4 NaN
2 2019-01-03 2 4
2 2019-01-04 3 3
2 2019-01-06 6 3
2 2019-01-11 1 3.75
我需要累积平均值来重新启动每个新 ID。
我可以通过单个获得我正在寻找的内容的变化，例如，如果数据集只有 id = 1 的数据，那么我可以使用:
df['cumulative_avg'] = df['value'].expanding.mean().shift(1)
我尝试向其中添加一个组，但出现错误:
df['cumulative_avg'] = df.groupby('id')['value'].expanding().mean().shift(1)
TypeError: incompatible index of inserted column with frame index
还试过:
df.set_index(['account']
ValueError: cannot handle a non-unique multi-index!
我拥有的实际数据有数百万行和数千个唯一 ID。任何以快速/有效方式执行此操作的帮助将不胜感激。
最佳答案
对于许多组来说，这会表现得更好，因为它抛弃了 apply 。将 cumsum 除以 cumcount ，减去该值以得到 expanding 的模拟值。幸运的是，pandas 将 0/0 解释为 NaN 。
gp = df.groupby('id')['value']
df['cum_avg'] = (gp.cumsum() - df['value'])/gp.cumcount()
id date value cum_avg
0 1 2019-01-01 2 NaN
1 1 2019-01-02 8 2.000000
2 1 2019-01-04 3 5.000000
3 1 2019-01-08 4 4.333333
4 1 2019-01-10 12 4.250000
5 1 2019-01-13 6 5.800000
6 2 2019-01-01 4 NaN
7 2 2019-01-03 2 4.000000
8 2 2019-01-04 3 3.000000
9 2 2019-01-06 6 3.000000
10 2 2019-01-11 1 3.750000
关于python - 在 Python 中获取组之间的累积平均值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59759856/