如何在Pandas中对组进行分析

Question

我有一组汽车的数据。数据集包含汽车的制造商(品牌)、汽车的型号名称、生产年份和当前市场价格。

|Make|Model|mfgYear|price
|Audi| A4  | 2007  |3429999
|Audi| A5  | 2008  |2900000
|Audi| A5  | 2009  |3000000
|Audi| A4  | 2011  |4000000
.......

我想知道，对于每个制造模型组合(或制造模型组)，价格每年的平均降幅是多少。例如，如果团队是make->Ford，model->Focus，我想知道随着汽车年龄的增长，市场价格会以什么速度下降。

下面的代码进行分组，并显示前两个组的样子。

gb = df.groupby(['make','model'])
for (name, group),i in zip(gb,range(3)):
    print name
    print group


('Audi', 'A3')
    |make |model  |mfgYear |  price
19  |Audi |   A3  |  2014  |3300000

('Audi', 'A4')
     |make| model | mfgYear  |  price
20   |Audi|    A4 |    2014  |3100000
406  |Audi|    A4 |    2012  |1799000

任何帮助都将不胜感激。我认为这个问题可能属于聚类分析的范畴，但我不太确定。

我的目标是。

|Make|Model|averageAnnualDepreciation
|Audi| A4  | <average of (priceCorrespondingToMostRecentYear - price)/(mostRecentYear - year)>
|Audi| A5  | <average of (priceCorrespondingToMostRecentYear - price)/(mostRecentYear - year)>
....

Answer 1

对于此DataFrame：

   Make  Model  mfgYear    price
0  Audi   A4       2007  3429999
1  Audi   A5       2008  2900000
2  Audi   A5       2009  3000000
3  Audi   A4       2011  4000000
4  Audi   A5       2007  2500000
5  Audi   A4       2010  3200000

I组：

gb = df.groupby(['Make','Model'])

现在我可以应用一个函数：

def avg(group):
    year = group['mfgYear']
    price = group['price']
    last_year = year.max()
    last_price = price[year == last_year]
    other_prices = price[year != last_year]
    other_years = year[year != last_year]
    down = ((last_price.values - other_prices) / 
             (last_year - other_years)).sum() / len(other_years)
    return down

gb.apply(avg)

这给出了这个结果：

Make  Model
Audi   A4      471250.125
       A5      175000.000
dtype: float64

这与手工计算的A4数字相对应：

((4000000 - 3200000) + (4000000 - 3429999) / 4) / 2
471250.125

Answer 2

这两个组中的每一个，在for循环中的别名‘group’，都是数据帧。对于每个组-即每个数据帧-我所做的是...

1. 按mfgYear按降序排序。
2. 将第一个mfgYear固定为基准年，并将相应的价格固定为基准价格。
3. 将一个函数应用于数据框中的每个后续行，该函数将提供相对于基准年、基准价格的折旧。这应该放在一个集合或列表中。对前面提到的集合中的值使用group.apply()
4. Average。

我构造了一个单独的数据框架，其中一列是"make"，另一列是"model"，第三列是“平均年折旧”。这实际上归结为如何将函数顺序应用于数据帧的行。

df_result = pd.DataFrame()
gb = df.groupby(['make','model'])
for (name, group),i in zip(gb,range(3)):
    print name
    gp1 = group.groupby('mfgYear').mean() # This gives the mean price of every year
    gp1 = gp1.sort_index(ascending=False)
    depreciations = gp1.apply(<func for cal. depreciations>)
    data = {}
    data['make-model'],data['annualDepreciation'] = name,depreciations.mean()
    df_result.append(data,ignore_index=True)