在Python中，利用Pandas库处理数据帧时，可以按照多个列进行分组并计算加权平均值。给定的数据帧包含了'contract', 'month', 'year', 'buys', 'adjusted_lots' 和 'price' 列。目标是按这些列分组，计算'adjusted_lots'的总和以及根据'adjusted_lots'权重的'price'加权平均值。在R中，这可以通过dplyr库实现，但在Pandas中，可以使用groupby和apply方法来达到相同的效果。"
6527644,1036105,Verilog学习：跳边沿检测、任务与函数,"['Verilog', '数字系统设计', '硬件描述语言', '信号处理', '电路设计']
我有一个数据帧,
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
我需要一个adjust_lots的总和,价格是加权平均值,价格和ajusted_lots,按所有其他列分组,即.按(合同,月份,年份和购买)分组
使用dplyr通过以下代码实现对R的类似解决方案,但无法在pandas中执行相同操作.
> 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
groupby或任何其他解决方案是否可能相同？
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
