将分布拟合到Python Pandas DF with Groupby

Question

我每小时的数据看起来像这样的数据帧的df和它的大小(3418896,9)。我需要拟合威布尔分布的数据，但我需要的输出(形状，位置，规模)被分组的‘工厂名称’，‘月’和‘年’。

       plant_name  business_name business_code maint_region_name  wind_speed_ms            mos_time dataset  month  year
0  MAPLE RIDGE II  UNITED STATES           USA              EAST          10.06 2021-09-22 13:00:00    ERA5      9  2021
1  MAPLE RIDGE II  UNITED STATES           USA              EAST          10.04 2021-09-22 12:00:00    ERA5      9  2021
2  MAPLE RIDGE II  UNITED STATES           USA              EAST           9.84 2021-09-22 11:00:00    ERA5      9  2021
3  MAPLE RIDGE II  UNITED STATES           USA              EAST          10.67 2021-09-22 10:00:00    ERA5      9  2021
4  MAPLE RIDGE II  UNITED STATES           USA              EAST          11.47 2021-09-22 09:00:00    ERA5      9  2021

我需要一个形状，比例值为每个plant_name，月，年从'df‘。我已经在下面尝试过了，但是我只得到了一个形状和比例的值，我需要一个单独的形状，每个plant_name，月份和年份的比例。这是我的尝试，它只提供了一个形状，比例的数字：

from scipy.stats import weibull_min

shape, loc, scale = weibull_min.fit(ncData.groupby(['plant_name','month','year']).apply(lambda x:x['wind_speed_ms']), floc=0)

shape
Out[21]: 2.2556719467040596

scale
Out[22]: 7.603953856897537

我不知道如何通过groupby‘plant’‘name’，'month'，'year‘将输出发送到'shape’和'scale‘参数。非常感谢您抽出时间来帮助我做一些我可以尝试的事情。

Answer 1

这应该是可行的

import pandas as pd
from scipy.stats import weibull_min

# function applied to each ('plant_name','month','year') group
def fit_weibull(g):
    # get wind speed data from the group
    data = g['wind_speed_ms']
    # fit weibull_min to the group wind data
    params = weibull_min.fit(data)
    # Return the fit parameters as a Series (each parameter will correspond to a different column)
    return pd.Series(params, index=['shape', 'loc', 'scale'])

fit_params = ncData.groupby(['plant_name', 'month', 'year']).apply(fit_weibull)