python - 根据随机选择的 bin 获取数据帧列的均值和总和

Question

我有一个如下所示的数据框。

数据

Index   ID  AA  BB  CC  BIN
0       Z1  10  11  12  1
1       Z1  0   12  13  1
2       Z1  20  13  14  2
3       Z1  34  14  15  3
4       Z1  54  52  16  3
5       Z1  67  53  17  3
6       Z7  45  54  18  1
7       Z7  34  55  19  2
8       Z7  45  56  57  2
9       Z7  45  56  58  3
10      Z7  67  67  59  3

我想要一个如下所示的数据框

数据2

ID   AA_SUM_12  AA_MEAN_12  BB_SUM_12  BB_MEAN_12  CC_SUM_12  CC_MEAN_12
Z1   30         10          36         12          39         13
Z7   124        41.33       165        55          94         31.33

SUM_12 给出了 'BIN' = 1 和 2 的总和，MEAN_12 的概念相同。

在真实的数据集中，有超过3000个不同的ID，'BIN'的范围从1到5。

我想随机选取“BIN”，就像取平均值一样，其中 “BIN” 是 1、3、5 或在 'BIN' 为 4、5 等的数据帧形式中求和。

怎么做？

Answer 1

我理解问题需要长度为 2 或 3 的随机唯一 BIN:

print (df)
    ID  AA  BB  CC  BIN
0   Z1  10  11  12    1
1   Z1   0  12  13    1
2   Z1  20  13  14    2
3   Z1  34  14  15    4
4   Z1  54  52  16    5
5   Z1  67  53  17    3
6   Z7  45  54  18    4
7   Z7  34  55  19    2
8   Z7  45  56  57    4
9   Z7  45  56  58    3
10  Z7  67  67  59    3

所以首先获取所有唯一值:

v = df['BIN'].unique()
print (v)
[1 2 4 5 3]

并传递给numpy.random.choice具有生成的随机长度 2 或 3:

r = np.random.choice(v, size=np.random.choice([2,3]))
print (r)
[3 5 1]

new = ''.join((str(x) for x in r))

然后按 Series.isin 过滤行和 boolean indexing并使用 mean 聚合 sum，最后添加到列名称生成 BINS 转换为 string 与 加入:

df1 = df[df['BIN'].isin(r)].groupby('ID')[ 'AA', 'BB', 'CC'].agg(['mean','sum'])
df1.columns = df1.columns.map(lambda x: f'{x[0]}_{x[1]}_{new}')
print (df1)
    AA_mean_351  AA_sum_351  BB_mean_351  BB_sum_351  CC_mean_351  CC_sum_351
ID                                                                           
Z1        32.75         131         32.0         128         14.5          58
Z7        56.00         112         61.5         123         58.5         117