我有一個熊貓數(shù)據(jù)框架，其中包含某些股票的13列每日股票回報(bào)率。我想計(jì)算每列的幾何平均值，但有些列中有零，因?yàn)檫@些業(yè)務(wù)在不同時間在股票市場上實(shí)現(xiàn)。我知道numpy的算術(shù)平均值會忽略NaN。有沒有辦法計(jì)算幾何平均值并同時忽略零？示例 df：import pandas as pd
dictA = {'AAPL': [.02, -.001, .05, .43], 'ABC':[.03, -.02, -.05, 0], 'DEF': [.045, 0, -.10, .63]}
df = pd.DataFrame(dictA)的幾何平均值是其中 N 是觀測值的數(shù)量。AAPL.02 * -.001 * .05 * .43**(1/N)是否有某種光滑的代碼可以在忽略零的情況下計(jì)算幾何平均值？
4 回答
料青山看我應(yīng)如是
TA貢獻(xiàn)1772條經(jīng)驗(yàn) 獲得超8個贊
一種方法是使用 np.multiply.reduce 并替換它們，以便它們不會修改結(jié)果，并除以每列的非零值量：np.where01
a = df.values m = (a!=0) np.multiply.reduce(np.where(m, a, 1), axis=0)**(1/m.sum(0))
胡說叔叔
TA貢獻(xiàn)1804條經(jīng)驗(yàn) 獲得超8個贊
創(chuàng)建一個函數(shù)，該函數(shù)采用列中的所有元素并返回一個元素。將其應(yīng)用于每一列（在軸 = 0 方向上）。
from functools import reduce
def g_mean(n):
"""Find the geometric mean for iterable n."""
# Make a list with every element in n that != 0.
l = [e for e in n if e !=0]
tot = reduce(lambda a,b: a*b, l) # Multiply all elements in l.
return tot**(1/(len(l)))
df.apply(g_mean) # Apply g_mean(column) to every column.
萬千封印
TA貢獻(xiàn)1891條經(jīng)驗(yàn) 獲得超3個贊
幾何均值不適用于包含負(fù)值的列表（其中一些結(jié)果返回虛數(shù)），但話雖如此，以下是您問題的一個答案：
import pandas as pd
import numpy as np
def geometric_mean(values):
return float(np.prod([x for x in values])) ** (1 / len([x for x in values]))
dictA = {'AAPL': [.02, -.001, .05, .43], 'ABC': [.03, -.02, -.05, 0], 'DEF': [.045, 0, -.10, .63]}
df = pd.DataFrame(dictA)
cols = ['AAPL', 'ABC', 'DEF']
for col in cols:
# exclude 0s from being passed to the function
print(geometric_mean(df.loc[df[col] != 0, col]))
編輯：我最初有.我將其更改為，因此如果列表的乘積為負(fù)數(shù)，則該函數(shù)現(xiàn)在將返回虛數(shù)。return np.prod([x for x in values]) ** (1 / len([x for x in values]))return float(np.prod([x for x in values])) ** (1 / len([x for x in values]))
肥皂起泡泡
TA貢獻(xiàn)1829條經(jīng)驗(yàn) 獲得超6個贊
對于負(fù)數(shù)，我找到了這個。如果我有一個帶負(fù)數(shù)的股票回報(bào)數(shù)據(jù)框，我會執(zhí)行以下操作：
from scipy.stats import gmean
gmean(1+df, axis = 0) - 1
添加回答
舉報(bào)
0/150
提交
取消