计算列中n个元素数的平均值，并在熊猫中重复一定间隔的计算。

Question

我需要帮助修改代码的一部分。我刚才已经问过这个问题了。Here is the link。然而，现在我需要找出平均数次。

原始dataframe的示例如下所示：

code scale   year  week   a     b     c
1111  -5    2017    15   68    68    19
1111  -4    2017    16   30    95    24
1111  -3    2017    17   21    15    94
1111  -2    2017    18   67    30    16
1111  -1    2017    19   10    13    13
1111   0    2017    20   26    22    18
1111   1    2017    21   NaN   NaN   NaN
1111   2    2017    22   NaN   NaN   NaN
1111   3    2017    23   NaN   NaN   NaN
1111   4    2017    24   NaN   NaN   NaN
1111   5    2017    25   NaN   NaN   NaN
1111   6    2017    26   NaN   NaN   NaN
2222  -5    2017    15   13    19    21
2222  -4    2017    16   24    95    23
2222  -3    2017    17   22    32    76
2222  -2    2017    18   21    30    12
2222  -1    2017    19   15    55    17
2222   0    2017    20   23    22    23
2222   1    2017    21   NaN   NaN   NaN
2222   2    2017    22   NaN   NaN   NaN
2222   3    2017    23   NaN   NaN   NaN
2222   4    2017    24   NaN   NaN   NaN
2222   5    2017    25   NaN   NaN   NaN
2222   6    2017    26   NaN   NaN   NaN
....

量表的间隔可能不同，但我事先就知道了。计算应该从刻度= 0的位置开始。在每个周期从1到6的例子中，我需要使用前面的值在-5到0的范围内计算平均值。和以前一样，使用新的计算值。计算的实质是计算从code列到scale中的每个唯一位置的平均值，从-5到6。虽然对于列code中的所有值的间隔是相同的，但是唯一值的数目可能有所不同。所以我想为-5到6之间的每一个间隔写一个循环，但我不能。此外，还有一个问题，即作为a, b, c的列数可能有所不同。例如，我需要为从-5到6的每一个间隔申请这段代码。

import numpy as np
import pandas as pd
#data is your dataframe name
column_list = list(data.columns.values)[4:]
for column_name in column_list :
    column = data[column_name].values
    #converted pandas series to numpy series
    for index in xrange(0,column.shape[0]):
        #iterating over entries in the column
        if np.isnan(column[index]):
            column[index] = np.nanmean(column.take(range(index-5,index+1),mode='wrap'))

结果应该如下所示：

code scale   year  week   a     b     c
1111  -5    2017    15   68    68    19
1111  -4    2017    16   30    95    24
1111  -3    2017    17   21    15    94
1111  -2    2017    18   67    30    16
1111  -1    2017    19   10    13    13
1111   0    2017    20   26    22    18
1111   1    2017    21   37    41    31
1111   2    2017    22   32    36    33
1111   3    2017    23   32    26    34
1111   4    2017    24   34    28    24
1111   5    2017    25   28    28    25
1111   6    2017    26   32    30    27
2222  -5    2017    15   13    19    21
2222  -4    2017    16   24    95    23
2222  -3    2017    17   22    32    76
2222  -2    2017    18   21    30    12
2222  -1    2017    19   15    55    17
2222   0    2017    20   23    22    23
2222   1    2017    21   20    42    29
2222   2    2017    22   21    46    30
2222   3    2017    23   20    38    31
2222   4    2017    24   20    39    24
2222   5    2017    25   20    40    26
2222   6    2017    26   21    38    27
...

我将非常感谢任何帮助！

UPD列code包含各个设备代码。列a,b,c显示每个区域在某一周和一年内的设备数量。其任务是使用已知值的平均值来预测每个区域中每个代码的设备数量，以确定未来的日期。为了便于计算，需要标度。例如，以代码1111为例。取a列。已知范围内的scale上的​​值(-5,0)。对于它们来说，计算规模为1的单元格的平均值。这将是37。对于下一个单元格，取标度为(-4,1)的值​​。在它中，值将等于31.833。等等，所有的细胞，其中scale从1到6。对于列a, b, c也是如此。我们采用以下代码2222。我们也为他做同样的事。以列a为例。对于规模为1的单元格，计算已知值​​的平均值( scale又是从-5到0，但code是2222)。我们得到了19.66。诸若此类。每个唯一代码的行数是相同的(从-5到6)。但可能有很多密码。

我希望我能更好地解释这个问题。

Answer 1

我们需要的是一种获得移动平均值的方法--我可能错了，但我不认为在熊猫中有一个处理这个问题的功能(考虑到熊猫确实实现了ewa()和rolling_mean()，我想这可能也不奇怪)。在这里使用递归是有意义的，因为它不太深。

def moving_average(data, window, periods_forward):
    """docs"""

    try:
        data.shape[1]
    except IndexError:
        import sys
        print("Data shape %s found. If there is only one sample please reshape the data using .reshape(-1, 1)." % data.shape)
        sys.exit()

    # Base case: Kill the recursion once we've created enough forward looks.
    if periods_forward == 0:
        return data
    else:
        data = np.concatenate([data, data[-window:, :].mean(axis=0).reshape(1,-1)])

    periods_forward -= 1
    return moving_average(data, window, periods_forward)


# Reset values in the dataframe.
columns = ['a', 'b', 'c']
for code in df.code.unique():
    df.loc[df.code == code, columns] = moving_average(
        df.loc[df.code == code, columns].dropna().values, window=6, periods_forward=6)

Answer 2

假设您的数据与所提供的示例相同，您可以这样做。

colSelector = df.columns.values[4:]

for index,row in df.iterrows():
    if np.isnan(row[4:].values).any():
        col = colSelector[np.isnan(row[4:].values)]
        df.loc[index,col] = np.round(df.loc[index-6:index,col].mean(),0)

我假设您可能拥有比a、b和c更多的平均列，但无论哪种方式，这都是可行的。另外，我们可以做一些布尔索引来查找NaN值并选择对它们进行平均值，而不是遍历每一列，从而消除了第一个循环。

注意:如果它只是a-c列，并且在那些列之后确实有数据不是平均值，那么将所有的[4:]更改为[4:7]。