我有一个包含以下列的数据框架(df):用户、值和时间。
df = pd.DataFrame({'user': ['user_1', 'user_2', 'user_3','user_1', 'user_2', 'user_3',
'user_1', 'user_2', 'user_3'],
'values': [[1, 0, 2, 0], [1, 8, 0, 2],[6, 2, 0, 0],
[5, 0, 2, 2], [3, 8, 0, 0],[6, 0, 0, 2],
[3, 1, 1, 3], [2, 4, 1, 0],[4, 2, 0, 1]],
'time': [1, 1, 1, 2, 2, 2, 3, 3, 3]})
输出:
user values time
0 user_1 [1, 0, 2, 0] 1
1 user_2 [1, 8, 0, 2] 1
2 user_3 [6, 2, 0, 0] 1
3 user_1 [5, 0, 2, 2] 2
4 user_2 [3, 8, 0, 0] 2
5 user_3 [6, 0, 0, 2] 2
6 user_1 [3, 1, 1, 3] 3
7 user_2 [2, 4, 1, 0] 3
8 user_3 [4, 2, 0, 1] 3
我想计算每个用户相对于之前时间值的平均值。
例如:
对于用户_1:-
对于时间=1,计算时间1中user_1的值的平均值=[1,0,2,0]
对于时间=2,计算时间1和2中user_1的值的平均值
=[1+5/2,0+0/2,2+2/2,0+2/2]=[3,0,2,1]
对于时间=3,计算时间2中user_1的值(为[3,0,2,1])和3(为[3,1,1,3])=[3+3/2,0+1/2,2+1/2,1+3/2]=[3,0.5,1.5,2]的平均值
等等。
因此,user_1的预期结果是:
in time 1: [1, 0, 2, 0]
in time 2: [3, 0, 2, 1]
in time 3: [3, 0.5, 1.5, 2]
我尝试了以下代码
result = (df.groupby('user')['values']
.agg(lambda x: np.vstack(x).mean(0).round(2))
)
print(result)
后果
user
user_1 [3.0, 0.33, 1.67, 1.67]
user_2 [2.0, 6.67, 0.33, 0.67]
user_3 [5.33, 1.33, 0.0, 1.0]
但它返回每个用户在所有时间的平均值!我想计算每个用户关于当前t和先前t-1的平均值,就像在示例中一样。
