Pandas DataFrame、複数の行に基づいて新しい列要素を計算する方法

debugcn 投稿 Dev

ロベルト・ベルティネッティ

現在、さまざまな行の内容に基づいて、特定の行の統計的検定を実装しようとしています。次の画像のデータフレームを考えます。

DataFrame列「テンプレート」に同じ文字列を持つデータフレームのすべての列を考慮に入れる関数に基づいて、新しい列を作成したいと思います。

たとえば、この場合、テンプレート「[Are | Off]」の行が2つあり、それらの行ごとに、「クリック数」、「インプレッション数」、「コンバージョン数」に基づいて新しい列に要素を作成する必要があります。両方の行の "。

この問題にどのようにアプローチするのが最善ですか？

PS：私がプロのコードではないことに気付くかもしれないので、私が問題を説明している方法について事前に謝罪します：Dしかし、私は本当にあなたの助けに感謝します！

これを私がExcelで解決した式は次のとおりです。

Excelカイ2乗検定

デイビス・カーケンダル

これは一般的すぎるかもしれませんが、テンプレート名に応じて異なることを行う必要がある場合は、ある種の関数マップを使用します。

import pandas as pd
import numpy as np
import collections

n = 5
template_column = list(['are|off', 'are|off', 'comp', 'comp', 'comp|city'])
n = len(template_column)
df = pd.DataFrame(np.random.random((n, 3)), index=range(n), columns=['Clicks', 'Impressions', 'Conversions'])
df['template'] = template_column

# Use a defaultdict so that you can define a default value if a template is
# note defined
function_map = collections.defaultdict(lambda: lambda df: np.nan)

# Now define functions to compute what the new columns should do depending on
# the template.
function_map.update({
    'are|off': lambda df: df.sum().sum(),
    'comp': lambda df: df.mean().mean(),
    'something else': lambda df: df.mean().max()
})

# The lambda functions are just placeholders.  You could do whatever you want in these functions... for example:

def do_special_stuff(df):
    """Do something that uses rows and columns... 
    you could also do looping or whatever you want as long 
    as the result is a scalar, or a sequence with the same 
    number of columns as the original template DataFrame
    """
    crazy_stuff = np.prod(np.sum(df.values,axis=1)[:,None] + 2*df.values, axis=1)
    return crazy_stuff

function_map['comp'] = do_special_stuff

def wrap(f):
    """Wrap a function so that it returns an updated dataframe"""

    def wrapped(df):
        df = df.copy()
        new_column_data = f(df.drop('template', axis=1))
        df['new_column'] = new_column_data
        return df

    return wrapped

# wrap all the functions so that each template has a function defined that does
# the correct thing
series_function_map = {k: wrap(function_map[k]) for k in df['template'].unique()}

# throw everything back together
new_df = pd.concat([series_function_map[label](group)
                    for label, group in df.groupby('template')],
                   ignore_index=True)

# print your shiny new dataframe
print(new_df)

結果は次のようになります。

     Clicks  Impressions  Conversions   template  new_column
0  0.959765     0.111648     0.769329    are|off    4.030594
1  0.809917     0.696348     0.683587    are|off    4.030594
2  0.265642     0.656780     0.182373       comp    0.502015
3  0.753788     0.175305     0.978205       comp    0.502015
4  0.269434     0.966951     0.478056  comp|city         NaN

それが役に立てば幸い！

この記事はインターネットから収集されたものであり、転載の際にはソースを示してください。

侵害の場合は、連絡してください[email protected]