计算Pandas df的滑动窗口中值

0yycz8jy 于 2023-03-28 发布在其他

关注(0)|答案(1)|浏览(141)

这是link的后续问题
下面是df：

df = pd.DataFrame({'col1':[1,2,3,4,5,6,7,8,9,10],
                'col2':[10,15,20,25,30,35,40,45,50,55],
                'col3':['A','A','A','A','B','B','B','B','B','B']})

我想计算每一行'window'的col1和col2的中值。为此，我有以下函数：

def calculate_median_val(df, window):
    return df.groupby(np.arange(len(df))//window)['col1','col2'].median()

此功能存在两个问题：
1.返回的df不包含col3。我知道我们不能计算字符串的中位数，但我如何确保它仍然存在？预期的df如下：
如果window = 2：预期返回的df为：

col1 col2 col3
0   1.5 12.5 A
1   3.5 22.5 A 
2   5.5 32.5 B
3   7.5 42.5 B
4   9.5 52.5 B

然而，如果window=3，那么在col3第二个窗口中，将有'A','B','B'。理想情况下，我希望保持'B'，因为它是大多数，但现在不是很关键，它可以是'A'或'B'。
1.当我运行上面的函数时，它会给出一个未来警告：
未来警告：使用多个键（隐式转换为键元组）的索引将被弃用，请使用列表。
我认为这是由于传递了多个参数来计算中值。

pandas

来源：https://stackoverflow.com/questions/75821736/calculate-sliding-window-median-for-pandas-df

1条答案

按热度按时间

qyyhg6bp1#

你可以通过指定col1的函数来传递GroupBy.agg，比如GroupBy.first或GroupBy.last：

df = pd.DataFrame({'col1':[1,2,3,4,5,6,7,8,9,10],
                'col2':[10,15,20,25,30,35,40,45,50,55],
                'col3':['A','A','A','A','B','B','B','B','B','B']})

def calculate_median_val(df, window):
    return (df.groupby(np.arange(len(df))//window)
               .agg({'col1':'median', 'col2':'median', 'col3':'first'}))

print (calculate_median_val(df, 2))
   col1  col2 col3
0   1.5  12.5    A
1   3.5  22.5    A
2   5.5  32.5    B
3   7.5  42.5    B
4   9.5  52.5    B

如果需要，可以对B进行优先级排序，创建有序分类并按max进行聚合：

def calculate_median_val(df, window):
    df['col3'] = pd.Categorical(df['col3'], ordered=True, categories=['A','B'])
    return (df.groupby(np.arange(len(df))//window)
              .agg({'col1':'median', 'col2':'median', 'col3':'max'}))

print (calculate_median_val(df, 3))

   col1  col2 col3
0     2    15    A
1     5    30    B
2     8    45    B
3    10    55    B

赞(0）回复(0）举报 2023-03-28

我来回答

计算Pandas df的滑动窗口中值

1条答案

相关问题

热门标签

最新问答