返回塔提供匹配值的平均值

Question

下面的代碼可以讓我找到匹配的值：

from itertools import combinations 
df = pd.DataFrame(np.random.randn(12, 3), columns=['A', 'B', 'C']) 
thresh = .3 
df['matches'] = sum(abs(df[k1]-df[k2])<thresh for k1,k2 in combinations(df.keys(),2)) 

信息關於這個可以發現here：

更好的解釋是從@Andras迪克

「

」sum()中的生成器表達式循環遍歷每個列對，並構造相應的布爾向量。對每個列對求和，並將結果列附加到數據幀「。

實施例輸出脫粒= 0.3：

  A   B   C matches 
0 0.146360 -0.099707 0.633632  1 
1 1.462810 -0.186317 -1.411988  0 
2 0.358827 -0.758619 0.038329  0 
3 0.077122 -0.213856 -0.619768  1 
4 0.215555 1.930888 -0.488517  0 
5 -0.946557 -0.904743 -0.004738  1 
6 -0.080209 -0.850830 -0.866865  1 
7 -0.997710 -0.580679 -2.231168  0 
8 1.762313 -0.356464 -1.813028  0 
9 1.151338 0.347636 -1.323791  0 
10 0.248432 1.265484 0.048484  1 
11 0.559934 -0.401059 0.863616  0 

我怎樣才能返回另一個柱df['matches_mean']提供具有匹配的值的平均值？因此，對於上面示例中的第一行，將返回平均值0.146360 & -0.099707。我希望使用與原始代碼相同的itertools combinations邏輯，因爲這可以很好地適應我的真實數據。

Answer 1

暫時這裏是一個幾乎完美的解決方案。問題是，當你想計算多個匹配的平均值（比如說，一行中的所有三個數字都接近閾值）時，你需要在計算平均值時取適當數量的值。如果3列中只有1或3個匹配，這很容易。但是，當兩對數字「接近」但第三對不是時，下面的代碼將會出現錯誤。

這個想法是總結每行和每個組合的匹配值。例如，如果只有行'A'和'B'「接近」（在閾值內），我們得到df.A+df.B，其必須除以2以得到平均值。當所有三個「接近」時，我們得到2*df.A + 2*df.B + 2*df.C，其可以被6除以得到適當的平均值。但是，在第三種情況下，例如，我們得到df.A + 2*df.B + df.C（當A和B接近時，B和C接近，但A和C不接近）。在這種情況下，我們不能用任何東西來劃分，以獲得適當的意思。我們可能應該用4除以得到「大約一個」元素的錯誤含義。我的觀點是，如果我們要妥善處理這種情況，那麼代碼會複雜得多，根據您的需要，這可能不值得。目前還不清楚你要如何處理這個案件。當前版本除以4，相當於平均A與B，平均B與C，然後再次平均這些平均值。

所以這裏有雲：

import numpy as np 
import pandas as pd 
from itertools import combinations 

colnames = ['A', 'B', 'C'] 
df = pd.DataFrame(np.random.randn(12, 3), columns=colnames) 
thresh = .3 
df['matches'] = sum(abs(df[k1]-df[k2])<thresh 
        for k1,k2 in combinations(colnames,2)) 
# this is your starting point, we'll need df['matches'] too 

tmpsums = sum(np.where(abs(df[k1]-df[k2])<thresh,df[k1]+df[k2],0) 
       for k1,k2 in combinations(colnames,2)) 
# divide by 2/4/6: 
df['matches_mean'] = np.where(df['matches'],tmpsums/df['matches']/2,0) 

在發電機表達的出現總和達到口感好等限制，我承認。你可能想把它寫在適當的for循環中，但是你必須遞增地總結tmpsums中的值。我承認這可能更漂亮。

無論如何，這第二個生成器表達式的工作方式與第一個類似。該產生價值當然是不同的，它是

np.where(abs(df[k1]-df[k2])<thresh,df[k1]+df[k2],0) 

也就是說，它會給我們給定的列對，如果這些值比脫粒接近的元素的總和，否則我們得到0。對於所有3組合我們得到一個具有這樣的零或者兩個和的元素值的數組，並且我們再次總結它們。在有0個匹配的情況下，我們得到0.如果有1個匹配，我們總結兩個匹配元素。對於2場比賽，我們得到了前面提到的混合總和，並且在3場比賽中我們有兩次所有術語。

剩下的是將非零例除以匹配的數量，這只是一個分割，其中我們已經知道的匹配數量是兩倍（但我們必須注意零除）。

實施例輸出與thresh = 0.3：

  A   B   C matches matches_mean 
0 0.716278 0.681279 0.861410  3  0.752989 
1 -0.109029 -0.646952 0.268038  0  0.000000 
2 -1.095221 -1.088397 1.100645  1  -1.091809 
3 -1.970372 -0.367096 -0.337098  1  -0.352097 
4 -1.030003 0.082001 -0.807431  1  -0.918717 
5 1.660611 -0.046429 0.557107  0  0.000000 
6 -0.508715 -0.588217 0.014917  1  -0.548466 
7 0.578028 -0.187097 -0.420243  1  -0.303670 
8 0.233687 1.311917 1.888947  0  0.000000 
9 0.478863 1.087957 -0.897025  0  0.000000 
10 -0.001462 0.866320 -1.198642  0  0.000000 
11 0.297946 0.564325 -1.098887  1  0.431135