python - 如何将具有平均百分比和平均计数的列添加到数据框中？

这个问题与 my previous question 相关。我有以下数据框:

df =
    QUEUE_1   QUEUE_2   DAY   HOUR   TOTAL_SERVICE_TIME  TOTAL_WAIT_TIME   EVAL
    ABC123    DEF656    1     7      20                  30                1
    ABC123              1     7      22                  32                0
    DEF656    ABC123    1     8      15                  12                0
    FED456    DEF656    2     8      15                  16                1

我需要获得以下数据帧(它类似于我在上一个问题中想要获得的数据帧，但在这里我需要添加 2 个额外的列 AVG_COUNT_PER_DAY_HOUR 和 AVG_PERCENT_EVAL_1 )。

QUEUE    HOUR    AVG_TOT_SERVICE_TIME  AVG_TOT_WAIT_TIME  AVG_COUNT_PER_DAY_HOUR  AVG_PERCENT_EVAL_1
ABC123   7       21                    31                 1                       50
ABC123   8       15                    12                 0.5                     100
DEF656   7       20                    30                 0.5                     100
DEF656   8       15                    14                 1                       50
FED456   7       0                     0                  0                       0
FED456   8       15                    14                 0.5                     100

AVG_COUNT_PER_DAY_HOUR 列应包含按 HOUR 分组的几天内相应 DAY 值的平均计数 (QUEUE)。例如，在 df 中，在 ABC123 的情况下，HOUR 1 的 DAY 7 出现 2 次，DAY 2 的 HOUR 7 出现 0 次。因此平均值为 1。同样的逻辑应用于 DAY 8。它出现 1 次DAY 1 次和 ABC123 2 中 AVG_PERCENT_EVAL_1 的 0 次。因此平均值为 0.5。
EVAL 列应包含 QUEUE 在小时内等于 1 的百分比，按 ABC123 分组。例如，在 EVAL 的情况下，当 HOUR 为 7 时，HOUR 一次等于 1。当 AVG_PERCENT_EVAL_1 为 7 时，ABC123 也一次等于 0。因此，AVG_COUNT_PER_DAY_HOUR 对于 AVG_PERCENT_EVAL_1 和小时 7 时为 50。

我使用这种方法:

df = pd.lreshape(aa, {'QUEUE': df.columns[df.columns.str.startswith('QUEUE')].tolist()})
piv_df = df.pivot_table(index=['QUEUE'], columns=['HOUR'], fill_value=0)
result = piv_df.stack().add_prefix('AVG_').reset_index()

我一直在添加列 AVG_COUNT_PER_DAY_HOUR 和 .apply(pd.value_counts, 1).notnull().groupby(level=0).sum().astype(int) 。例如，要添加列 AVG_PERCENT_EVAL_1 我想使用 [df.EVAL==1].agg({'EVAL' : 'count'}) ，而计算 ojit_code 我想使用 ojit_code 。但是，不知道如何将其合并到我当前的代码中以获得正确的解决方案。

更新:

也许更容易采用这种解决方案来解决我在这些问题中的需要:

result = pd.lreshape(df, {'QUEUE': ['QUEUE_1','QUEUE_2']})

mux = pd.MultiIndex.from_product([result.QUEUE.dropna().unique(),
                                  result.dropna().DAY.unique(),
                                  result.HOUR.dropna().unique(), ], names=['QUEUE','DAY','HOUR'])

print (result.groupby(['QUEUE','DAY','HOUR'])
             .mean()
             .reindex(mux, fill_value=0)
             .add_prefix('AVG_')
             .reset_index())

最佳答案

步骤:

1) 计算 AVG_COUNT_PER_DAY_HOUR :

在 pd.crosstab() 的帮助下，计算按 QUEUE 分组的 HOUR w.r.t DAYS 的不同计数(以便我们获得缺失天数的案例)。
stack DF 以便之前作为分层列的一部分的 HOUR 现在被定位为索引，只留下 DAYS 作为列。我们在用 0 填充 NaNs 后按列取平均值。

2) 计算 AVG_PERCENT_EVAL_1:

在获得枢轴框架(与之前相同)以及平均值只会给我们百分比变化的事实之后，因为它们本质上只是二进制(1/0)，我们只需从这个 DF 中获取 EVAL 并将其结果乘以 100在旋转自身时计算平均值(默认 agg = np.mean )。

最后，我们加入所有这些框架。

与链接帖子中的相同:

df = pd.lreshape(df, {'QUEUE': df.columns[df.columns.str.startswith('QUEUE')].tolist()})
piv_df = df.pivot_table(index='QUEUE', columns='HOUR', fill_value=0).stack()
avg_tot = piv_df[['TOTAL_SERVICE_TIME', 'TOTAL_WAIT_TIME']].add_prefix("AVG_")

附加部分:

avg_cnt = pd.crosstab(df['QUEUE'], [df['DAY'], df['HOUR']]).stack().fillna(0).mean(1)
avg_pct = piv_df['EVAL'].mul(100).astype(int)
avg_tot.join(
    avg_cnt.to_frame("AVG_COUNT_PER_DAY_HOUR")
).join(avg_pct.to_frame("AVG_PERCENT_EVAL_1")).reset_index()

python - 如何将具有平均百分比和平均计数的列添加到数据框中？-LMLPHP

avg_cnt 看起来像:

QUEUE   HOUR
ABC123  7       1.0
        8       0.5
DEF656  7       0.5
        8       1.0
FED456  7       0.0
        8       0.5
dtype: float64

avg_pct 看起来像:

QUEUE   HOUR
ABC123  7        50
        8         0
DEF656  7       100
        8        50
FED456  7         0
        8       100
Name: EVAL, dtype: int32

关于python - 如何将具有平均百分比和平均计数的列添加到数据框中？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41938772/