python - 访问不同级别的多级索引，然后将该索引的列转换为数组，然后传递给函数

Question

我有数据框。下面是一个片段:

import pandas as pd

data = {'EVENT_ID': [112335580,112335580,112335580,112335580,112335580,112335580,112335580,112335580, 112335582,
                         112335582,112335582,112335582,112335582,112335582,112335582,112335582,112335582,112335582,
                         112335582,112335582,112335582],

     'SELECTION_ID': [6356576,2554439,2503211,6297034,4233251,2522967,5284417,7660920,8112876,7546023,8175276,8145908,
                      8175274,7300754,8065540,8175275,8106158,8086265,2291406,8065533,8125015],

     'BSP': [5.080818565,6.651493872,6.374683435,24.69510797,7.776082305,11.73219964,270.0383021,4,8.294425408,335.3223613,
             14.06040142,2.423340019,126.7205863,70.53780982,21.3328554,225.2711962,92.25113066,193.0151362,3.775394142,
             95.3786641,17.86333041],

      'WIN_LOSE':[1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0]}

df = pd.DataFrame(data, columns=['EVENT_ID', 'SELECTION_ID', 'BSP','WIN_LOSE'])

df.set_index(['EVENT_ID', 'SELECTION_ID'], inplace=True)
df.sortlevel(level=0, ascending=True, sort_remaining=True)

df = pd.DataFrame(data, columns=['EVENT_ID', 'SELECTION_ID', 'BSP','WIN_LOSE'])
df = df.sort_values(["EVENT_ID","BSP"])
df.set_index(['EVENT_ID', 'SELECTION_ID'], inplace=True)

df['Win_Percentage'] = 1/df['BSP']

df['Lose_Percentage'] = 1 - df['Win_Percentage']

对于每个 EVENT_ID，因此索引级别为零，我想根据 Lose_Percentage 列拟合直线、指数、幂和对数的方程。

因此，EVENT_ID 112335580 的拟合线将基于点 (1, 0.750000)、(2, 0.803181)、(3, 0.843129)、(4, 0.849658)、(5, 0.871401)、(6, 0.914764 ), (7, 0.959506), (8, 0.996297)。然后将对所有其他 EVENT_ID 索引执行此操作。

为了尝试执行此操作，我想将 Lose_Percentage 列转换为每个 EVENT_ID 的数组。为此，我尝试了以下操作:我想将 Lose_Percentage 列转换为每个 EVENT_ID 的数组。为此，我尝试了以下方法:

df["Lose_Percentage"][112335580].tolist()

我不想只访问一个，我想访问每个 EVENT_ID 的 Lose_Percentage 列中的每个值，并将此列表传递给函数。

为了使数据适合一条线，我可以使用 polyfit。所以我需要将数组传递给它。

此外，我还研究过如何拟合对数、幂和指数线，但找不到可以执行此操作的函数

任何帮助将不胜感激，干杯。

桑迪

Answer 1

无需提取值。首先，您定义一个拟合和评估的函数

def fit_eval(df):
    y = df.values
    x = np.arange(0, len(y)) + 1
    z = np.polyfit(x, y, 1)
    p = np.poly1d(z)
    return p(x)

这个函数可以在groupy中使用:

df['fit'] = df.groupby(level=0)['Lose_Percentage'].transform(fit_eval)