我有一个像这样的数据集。
ID BRAND_NAME PRICE COLOR ACTUAL PREDICTED MAPE ACCURACY
1 mjjk 657 Black 0 1 0 1
1 mjjk 657 Black 1 1 0 1我希望按数据集按ID分组,并使其如下所示:
ID BRAND_NAME PRICE COLOR ACTUAL PREDICTED MAPE ACCURACY
1 mjjk 657 Black 1 2 1 0如果实际列和预测列具有特定ID和mape的实际值之和,则使用实际值和预测值(如MAPE=(Predicted-Actual)/Actual )之和计算精度,精度为1-MAPE。
我现在继续讨论如何按id分组并获取相应的值。
发布于 2022-01-06 10:38:06
In [121]: res = df.groupby(['ID', 'BRAND_NAME', 'COLOR'], as_index=False).agg({'PRICE':max, 'ACTUAL': sum, 'PREDICTED': sum})
In [123]: res['MAPE'] = (res.PREDICTED - res.ACTUAL).div(res.ACTUAL)
In [125]: res['ACCURACY'] = 1 - res.MAPE
In [126]: res
Out[126]:
ID BRAND_NAME COLOR PRICE ACTUAL PREDICTED MAPE ACCURACY
0 1 mjjk Black 657 1 2 1.0 0.0发布于 2022-01-06 10:39:36
使用groupby.agg。按ID分组,取'BRAND_NAME','PRICE','COLOR'的第一个,'ACTUAL'和'PREDICTED'之和。然后对输出数据进行计算以获得'MAPE'和'ACCURACY'列:
out = df.groupby('ID').agg({'BRAND_NAME':'first','PRICE':'first','COLOR':'first', 'ACTUAL':'sum', 'PREDICTED':'sum'}).reset_index()
out['MAPE'] = (out['PREDICTED'] - out['ACTUAL']) / out['ACTUAL']
out['ACCURACY'] = 1 - out['MAPE']输出:
ID BRAND_NAME PRICE COLOR ACTUAL PREDICTED MAPE ACCURACY
0 1 mjjk 657 Black 1 2 1.0 0.0https://stackoverflow.com/questions/70605761
复制相似问题