提问人:XYZ 提问时间:3/12/2022 最后编辑:XYZ 更新时间:3/12/2022 访问量:195
如何根据列条件执行行求和并将类特定值添加为列?
How to perform Row wise sum based on column condition and add Class Wise specific value as Column?
问:
Cluster Class Value
0 0 10 1
1 0 11 1
2 0 14 3
3 0 18 1
4 0 26 1
5 0 29 1
6 0 30 1
7 1 0 2
8 1 19 1
9 1 20 1
10 1 21 2
11 1 36 1
12 1 26 1
13 1 27 1
14 1 37 2
15 1 33 1
此表基于哪个类属于哪个集群。像 10 类、11 类、14 类等都属于 0 类。和值列指示有多少类成员。就像 14 班的 3 名成员一样,他们落入了集群 0。
现在我想要的输出是这样的:
Cluster Class Value Cluster_Sum
0 0 10 1 9
1 0 11 1 9
2 0 14 3 9
3 0 18 1 9
4 0 26 1 9
5 0 29 1 9
6 0 30 1 9
其他集群也是如此。我的最终目标是为每一行制作一列“精度
”。df['Precision'] = df['Value']/ df['Cluster_Sum']
如何使用python做到这一点?
编辑:- 它工作得很好。感谢您的帮助。
归根结底,这是我的目标。对于每个类,它的数量是固定的。像 Class 1 : 10 , Class 2:12 ....等等。我需要添加一个像“Class_Sum”这样的列。它由类的总数据组成。然后我可以通过以下方式找到召回
`df['Recall'] = df['Value']/ df['Class_Sum']`
但我的问题是我怎样才能附加我的信息
Class 1 10
Class 2 12
Class 3 23
Class 4 11
Class 5 17
Class 6 13
Class 7 16
Class 8 15
Class 9 14
Class 10 18
Class 11 09
Class 12 07
Class 13 16
Class 14 21
Class 15 17
Class 16 23
Class 17 10
Class 18 21
Class 19 12
Class 20 45
Class 21 12
Class 22 12
Class 23 15
Class 24 11
Class 25 09
Class 26 11
Class 27 08
Class 28 10
Class 29 11
Class 30 19
Class 31 17
Class 32 15
Class 33 12
Class 34 07
Class 35 06
Class 36 14
Class 37 13
Class 38 16
像这样添加到我的 DataFrame 中
Cluster Class Class_SUm Value ClusSum Precision RCll
10 18
11 09
14 21
18 21
26 11
29 11
30 19
怎么做呢?
答:
2赞
not_speshal
3/12/2022
#1
尝试:groupby
df["Cluster_Sum"] = df.groupby("Cluster")["Value"].transform("sum")
>>> df
Cluster Class Value Cluster_Sum
0 0 10 1 9
1 0 11 1 9
2 0 14 3 9
3 0 18 1 9
4 0 26 1 9
5 0 29 1 9
6 0 30 1 9
7 1 0 2 12
8 1 19 1 12
9 1 20 1 12
10 1 21 2 12
11 1 36 1 12
12 1 26 1 12
13 1 27 1 12
14 1 37 2 12
15 1 33 1 12
0赞
user17242583
3/12/2022
#2
groupby
+ transform("sum")
是你的朋友在这里:
df['Precision'] = df["Value"] / df.groupby("Cluster")["Value"].transform("sum")
输出:
>>> df
Cluster Class Value Precision
0 0 10 1 0.111111
1 0 11 1 0.111111
2 0 14 3 0.333333
3 0 18 1 0.111111
4 0 26 1 0.111111
5 0 29 1 0.111111
6 0 30 1 0.111111
7 1 0 2 0.166667
8 1 19 1 0.083333
9 1 20 1 0.083333
10 1 21 2 0.166667
11 1 36 1 0.083333
12 1 26 1 0.083333
13 1 27 1 0.083333
14 1 37 2 0.166667
15 1 33 1 0.083333
评论
1赞
XYZ
3/12/2022
感谢您的回复。我在我的尝试中错过了那个转换部分
评论