0

次の列を持つデータ フレームがあります。{'day','measurement'}

また、1 日に複数の測定が行われる (またはまったく測定されない) 場合もあります。

例えば：

day     |    measurement
1       |     20.1
1       |     20.9
3       |     19.2
4       |     20.0
4       |     20.2

および係数の配列: coef={-1:0.2, 0:0.6, 1:0.2}

私の目標は、データを再サンプリングし、係数を使用して平均化することです (欠落しているデータは除外する必要があります)。

これは私がそれを計算するために書いたコードです

window=[-1,0,-1]
df['resampled_measurement'][df['day']==d]=[coef[i]*df['measurement'][df['day']==d-i].mean() for i in window if df['measurement'][df['day']==d-i].shape[0]>0].sum()
df['resampled_measurement'][df['day']==d]/=[coef[i] for i in window if df['measurement'][df['day']==d-i].shape[0]>0].sum()

上記の例では、出力は次のようになります。

Day  measurement
1    20.500
2    19.850
3    19.425
4    19.875

問題は、コードが永久に実行されることです。係数を使用してリサンプリングするより良い方法があると確信しています。

アドバイスをいただければ幸いです。

4

1 に答える 1

2

探しているものに対する可能な解決策は次のとおりです。

        # This is your data
In [2]: data = pd.DataFrame({
   ...:     'day': [1, 1, 3, 4, 4],
   ...:     'measurement': [20.1, 20.9, 19.2, 20.0, 20.2]
   ...: })

        # Pre-compute every day's average, filling the gaps
In [3]: measurement = data.groupby('day')['measurement'].mean()

In [4]: measurement = measurement.reindex(pd.np.arange(data.day.min(), data.day.max() + 1))

In [5]: coef = pd.Series({-1: 0.2, 0: 0.6, 1: 0.2})

        # Create a matrix with the time-shifted measurements
In [6]: matrix = pd.DataFrame({key: measurement.shift(key) for key, val in coef.iteritems()})

In [7]: matrix
Out[7]:
       -1     0     1
day
1     NaN  20.5   NaN
2    19.2   NaN  20.5
3    20.1  19.2   NaN
4     NaN  20.1  19.2

        # Take a weighted average of the matrix
In [8]: (matrix * coef).sum(axis=1) / (matrix.notnull() * coef).sum(axis=1)
Out[8]:
day
1    20.500
2    19.850
3    19.425
4    19.875
dtype: float64
于 2015-04-20T14:39:53.363 に答える