我有一個Dataframe (df)（例如 - 簡化版本） A B 0 2.0 3.0 1 3.0 4.0并生成了 20 個引導(dǎo)重新采樣，這些重新采樣現(xiàn)在都在相同的 df 中，但重新采樣編號不同。 A B 0 1 0 2.0 3.01 1 1 3.0 4.02 2 1 3.0 4.03 2 1 3.0 4.0.. .... .. 39 20 0 2.0 3.040 20 0 2.0 3.0現(xiàn)在我想在每個Reample Nr上應(yīng)用某個函數(shù)。說：C = sum(df['A'] * df['B']) / sum(df['B'] ** 2)前景如下： A B C0 1 0 2.0 3.0 Calculated Value X11 1 1 3.0 4.0 Calculated Value X12 2 1 3.0 4.0 Calculated Value X23 2 1 3.0 4.0 Calculated Value X2.. .... .. 39 20 0 2.0 3.0 Calculated Value X2040 20 0 2.0 3.0 Calculated Value X20所以有 20 個不同的新值。我知道有一個 df.iloc 命令，我可以在其中指定行選擇，df.iloc[row, column]但我想找到一個命令，無需為 20 個樣本重復(fù)代碼。我的目標是找到一個識別重新采樣編號的命令。自動計算每個重新采樣編號的函數(shù)。我怎樣才能做到這一點？
1 回答
ITMISS
TA貢獻1871條經(jīng)驗 獲得超8個贊
使用DataFrame.assign創(chuàng)建兩個新列x和 ，y對應(yīng)于df['A'] * df['B']和df['B']**2，然后使用DataFrame.groupbyon?Resample Nr.(或level=1) 和transformusing?sum：
s = df.assign(x=df['A'].mul(df['B']), y=df['B']**2)\
? ? ? .groupby(level=1)[['x', 'y']].transform('sum')
df['C'] = s['x'].div(s['y'])
結(jié)果：
? ? ? ? ? ?A? ? B? ? ? ? ?C
0? 1? 0? 2.0? 3.0? 0.720000
1? 1? 1? 3.0? 4.0? 0.720000
2? 2? 1? 3.0? 4.0? 0.750000
3? 2? 1? 3.0? 4.0? 0.750000
39 20 0? 2.0? 3.0? 0.666667
40 20 0? 2.0? 3.0? 0.666667
添加回答
舉報
0/150
提交
取消