python - recorrer - Groupby media ponderada y suma en el marco de datos pandas
recorrer data frame pandas (2)
Tengo un marco de datos,
Out[78]:
contract month year buys adjusted_lots price
0 W Z 5 Sell -5 554.85
1 C Z 5 Sell -3 424.50
2 C Z 5 Sell -2 424.00
3 C Z 5 Sell -2 423.75
4 C Z 5 Sell -3 423.50
5 C Z 5 Sell -2 425.50
6 C Z 5 Sell -3 425.25
7 C Z 5 Sell -2 426.00
8 C Z 5 Sell -2 426.75
9 CC U 5 Buy 5 3328.00
10 SB V 5 Buy 5 11.65
11 SB V 5 Buy 5 11.64
12 SB V 5 Buy 2 11.60
Necesito una suma de ajustados lotes, precio que sea el promedio ponderado, de precios y ajusted_lots, agrupados por todas las demás columnas, es decir. agrupados por (contrato, mes, año y compras)
Se logró una solución similar en R siguiendo el código, usando dplyr, pero no se puede hacer lo mismo en los pandas.
> newdf = df %>%
select ( contract , month , year , buys , adjusted_lots , price ) %>%
group_by( contract , month , year , buys) %>%
summarise(qty = sum( adjusted_lots) , avgpx = weighted.mean(x = price , w = adjusted_lots) , comdty = "Comdty" )
> newdf
Source: local data frame [4 x 6]
contract month year comdty qty avgpx
1 C Z 5 Comdty -19 424.8289
2 CC U 5 Comdty 5 3328.0000
3 SB V 5 Comdty 12 11.6375
4 W Z 5 Comdty -5 554.8500
¿Es lo mismo posible por groupby o cualquier otra solución?
Hacer el promedio ponderado por groupby (...). Apply (...) puede ser muy lento (100x de lo siguiente). Ver mi respuesta (y otros) en este hilo .
def weighted_average(df,data_col,weight_col,by_col):
df[''_data_times_weight''] = df[data_col]*df[weight_col]
df[''_weight_where_notnull''] = df[weight_col]*pd.notnull(df[data_col])
g = df.groupby(by_col)
result = g[''_data_times_weight''].sum() / g[''_weight_where_notnull''].sum()
del df[''_data_times_weight''], df[''_weight_where_notnull'']
return result
Para pasar varias funciones a un objeto groupby, debe pasar un diccionario con las funciones de agregación correspondientes a las columnas:
# Define a lambda function to compute the weighted mean:
wm = lambda x: np.average(x, weights=df.loc[x.index, "adjusted_lots"])
# Define a dictionary with the functions to apply for a given column:
f = {''adjusted_lots'': [''sum''], ''price'': {''weighted_mean'' : wm} }
# Groupby and aggregate with your dictionary:
df.groupby(["contract", "month", "year", "buys"]).agg(f)
adjusted_lots price
sum weighted_mean
contract month year buys
C Z 5 Sell -19 424.828947
CC U 5 Buy 5 3328.000000
SB V 5 Buy 12 11.637500
W Z 5 Sell -5 554.850000
Puedes ver más aquí:
y en una pregunta similar aquí:
Espero que esto ayude