python - 用 Pandas 计算加权平均值以降低成本

我正在安装排名系统，基本上我有一个名为site_fees的字段，占考虑总数的10％。站点费用为0将获得全部10分。我想做的是计算非零字段将获得多少点，但是我为此很努力。

我最初的方法是将数据帧分为2个数据帧（dfb，其中site_fees为0，dfa，其中> 0），然后计算dfa的平均值，将dfb的等级指定为10，然后将两者合并。

代码如下：

dfSitesa = dfSites[dfSites['site_fees'].notnull()]
dfSitesb = dfSites[dfSites['site_fees'].isnull()]
dfSitesa['rating'] = FeeWeight * \
dfSitesa['site_fees'].min()/dfSitesa['site_fees']
dfSitesb['rating'] = FeeWeight
dfSites = pd.concat([dfSitesa,dfSitesb])

这会产生输出，但是dfa的结果不正确，因为dfa的最小值是5000，而不是0，因此，收取5000美元费用的网站的评级是10（最大值，不正确）。我究竟做错了什么？

最小的非零site_fee为5000，最大为15000。基于此，我期望一个通用的排名系统如下：

15000 | 0
10000 | 3.3
5000  | 6.6
0     | 10

最佳答案

这是一种方法：

dfSites = pd.DataFrame({'site_fees':[0,1,2,3,5]})
FeeWeight = 10

dfSitesa = dfSites[dfSites['site_fees'].notnull()]
dfSitesb = dfSites[dfSites['site_fees'].isnull()]
dfSitesb['rating'] = FeeWeight
factor = (dfSitesa['site_fees'].max() - dfSitesa['site_fees'].min())
dfSitesa['rating'] = FeeWeight * ( 1 - ( (dfSitesa['site_fees'] -  dfSitesa['site_fees'].min()) / factor) )
dfSites = pd.concat([dfSitesa,dfSitesb])

In [1] : print(dfSites)
Out[1] :
site_fees   rating
0   0   10.0
1   1   8.0
2   2   6.0
3   3   4.0
4   5   0.0

关于python - 用 Pandas 计算加权平均值以降低成本，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56149791/