如何计算 Pandas 的加权平均值？

加权平均是考虑数据集合中整数的相对值的计算。在计算加权平均值时，在完成最终计算之前，数据集中的每个值都按预定义的权重进行缩放。

句法：

def weighted_average(dataframe, value, weight):
    val = dataframe[value]
    wt = dataframe[weight]
    return (val * wt).sum() / wt.sum()

它将返回项目价值的加权平均值。在分子中，我们将每个值与相关的相应权重相乘，然后将它们全部相加。在分母中，所有的权重都相加。

方法

• 我们采用数据框或制作自己的数据框。
• 定义一个函数，通过上述公式计算加权平均值。
• 我们需要在数据框中至少包含三个项目，即索引（可能是项目名称、日期或任何此类变量）、值和重量。
• 我们将进行一个函数调用，传递所有这三个值。

示例：

让我们看一个示例来计算按 item_name 分组的值的加权平均值。

假设有三个商店，每个商店包含三个项目，即巧克力、冰淇淋和饼干。我们有所有三个商店中每件商品的重量和每件商品的价格。现在我们需要找出每个项目的加权平均值。

Python3

import pandas as pd
 
 
def weighted_average(dataframe, value, weight):
    val = dataframe[value]
    wt = dataframe[weight]
    return (val * wt).sum() / wt.sum()
 
 
# creating a dataframe to represent different
# items and their corresponding weight and value
dataframe = pd.DataFrame({'item_name': ['Chocolate', 'Chocolate',
                                        'Chocolate', 'Biscuit',
                                        'Biscuit', 'Biscuit',
                                        'IceCream', 'IceCream',
                                        'IceCream'],
                          'value': [90, 50, 86, 87, 42, 48,
                                    68, 92, 102],
                          'weight': [4, 2, 3, 5, 6, 5, 3, 7,
                                     5]})
 
# Weighted average of value  grouped by item name
dataframe.groupby('item_name').apply(weighted_average,
                                     'value', 'weight')

输出：

使用 groupby()

在这里，我们将使用 groupby()函数对项目进行分组，并通过将这些项目与 sum函数进行分组来计算权重。所以通过使用这种方法，我们只是形成一组相似的项目来获得总和

句法 ：

def weighted_average_of_group(values, weights, item):
    return (values * weights).groupby(item).sum() / weights.groupby(item).sum()

示例：

Python3

import pandas as pd
 
 
def weighted_average_of_group(values, weights, item):
    return (values * weights).groupby(item).sum() / weights.groupby(item).sum()
 
 
# creating a dataframe to represent different items
# and their corresponding weight and value
dataframe = pd.DataFrame({'item_name': ['Chocolate', 'Chocolate', 'Chocolate',
                                        'Biscuit', 'Biscuit', 'Biscuit',
                                        'IceCream', 'IceCream', 'IceCream'],
                          'value': [90, 50, 86, 87, 42, 48, 68, 92, 102],
                          'weight': [4, 2, 3, 5, 6, 5, 3, 7, 5]})
 
# Finding grouped average of group
weighted_average_of_group(values=dataframe.value,
                          weights=dataframe.weight, item=dataframe.item_name)

输出：

要计算整个数据帧（不是每个组，而是作为一个整体）的加权平均值，我们将使用如下所示的语法：

句法

def weighted_average_of_whole_dataframe(dataframe, value, weight):
    val = dataframe[value]
    wt = dataframe[weight]
    return (val * wt).sum() / wt.sum()

示例：

Python3

import pandas as pd
 
 
def weighted_average(dataframe, value, weight):
    val = dataframe[value]
    wt = dataframe[weight]
    return (val * wt).sum() / wt.sum()
 
 
# creating a dataframe to represent different items
# and their corresponding weight and value
dataframe = pd.DataFrame({'item_name': ['Chocolate', 'Chocolate', 'Chocolate',
                                        'Biscuit', 'Biscuit', 'Biscuit',
                                        'IceCream', 'IceCream', 'IceCream'],
                          'value': [90, 50, 86, 87, 42, 48, 68, 92, 102],
                          'weight': [4, 2, 3, 5, 6, 5, 3, 7, 5]})
 
# Weighted average of whole dataframe as a whole
weighted_average(dataframe, 'value', 'weight')

输出：

75.075