python - 使用 pandas 和字典中的数据生成加权平均值？

Question

我有一个数据框:

             SALES 
Date                       
2018-03-31  123090     
2018-04-30  116591      
2018-05-31  119581      
2018-06-30  117544      
2018-07-31  129574      
2018-08-31  118876      
2018-09-30  129467      
2018-10-31  126062     
2018-11-30  128552     
2018-12-31  104994     
2019-01-31  149188      
2019-02-28  118204      

还有一本字典，价格:

{Oct: 11, Nov: 23, Dec: 34, Jan: 20, Feb: 30, Mar: 31, Apr: 22, May: 
23, Jun: 34, Jul: 20, Aug: 30, Sep: 31}

我想通过将 DataFrame 中的每个销售数字与字典中的相应月份相乘，然后除以总销售数字来计算加权平均价格。即从数据帧中获取 10 月份的销售额 126062，然后将其乘以字典中的 11 (Oct)。

我尝试添加月份列并重新排序数据框，然后使用有序字典，但我觉得我正在使用众所周知的大锤来解决这个问题。

             SUM  MONTH
Date                       
2019-01-31  129188.1      1
2019-02-28  118304.5      2
2018-03-31  123090.6      3
2018-04-30  116591.2      4
2018-05-31  119581.5      5
2018-06-30  117544.0      6
2018-07-31  129574.9      7
2018-08-31  118876.2      8
2018-09-30  109467.5      9
2018-10-31  126062.0     10
2018-11-30  128552.9     11
2018-12-31  104994.2     12

我还尝试查看 zip 并迭代数据帧和字典，但我正在努力寻找将两个数据集映射在一起的最佳方法。

我很高兴将字典转换为另一个数据框，如果这样更容易的话？

如有任何帮助，我们将不胜感激。

Answer 1

您可以将 map 与 DatetimeIndex 方法 strftime 结合使用:

其中 df、dataframe 和 dd、等待字典定义为，

d = {'SALES': {pd.Timestamp('2018-03-31 00:00:00'): 123090,
  pd.Timestamp('2018-04-30 00:00:00'): 116591,
  pd.Timestamp('2018-05-31 00:00:00'): 119581,
  pd.Timestamp('2018-06-30 00:00:00'): 117544,
  pd.Timestamp('2018-07-31 00:00:00'): 129574,
  pd.Timestamp('2018-08-31 00:00:00'): 118876,
  pd.Timestamp('2018-09-30 00:00:00'): 129467,
  pd.Timestamp('2018-10-31 00:00:00'): 126062,
  pd.Timestamp('2018-11-30 00:00:00'): 128552,
  pd.Timestamp('2018-12-31 00:00:00'): 104994,
  pd.Timestamp('2019-01-31 00:00:00'): 149188,
  pd.Timestamp('2019-02-28 00:00:00'): 118204}}

df = pd.DataFrame(d)

dd = {'Oct': 11, 'Nov': 23, 'Dec': 34, 'Jan': 20, 'Feb': 30, 'Mar': 31, 'Apr': 22,'May': 
23, 'Jun': 34, 'Jul': 20, 'Aug': 30,'Sep': 31}

使用

df['Adj Sales'] = df.index.strftime('%b').map(dd) * df['SALES']

输出:

             SALES  Adj Sales
2018-03-31  123090    3815790
2018-04-30  116591    2565002
2018-05-31  119581    2750363
2018-06-30  117544    3996496
2018-07-31  129574    2591480
2018-08-31  118876    3566280
2018-09-30  129467    4013477
2018-10-31  126062    1386682
2018-11-30  128552    2956696
2018-12-31  104994    3569796
2019-01-31  149188    2983760
2019-02-28  118204    3546120