在熊猫数据框和平均数组中按列分组

我有一个电影数据框，其中包含电影名称，它们各自的类型和矢量表示（numpy数组）。在熊猫数据框和平均数组中按列分组

ID Year Title Genre Word Vector 
1 2003.0 Dinosaur Planet Documentary [-0.55423898, -0.72544044, 0.33189204, -0.1720... 
2 2004.0 Isle of Man TT 2004 Review Sports & Fitness [-0.373265237, -1.07549703, -0.469254494, -0.4... 
3 1997.0 Character Foreign [-1.57682264, -0.91265768, 2.43038678, -0.2114... 
4 1994.0 Paula Abdul's Get Up & Dance Sports & Fitness [0.3096168, -0.57186663, 0.39008939, 0.2868615... 
5 2004.0 The Rise and Fall of ECW Sports & Fitness [0.17175879, -2.38005066, -0.45771399, 1.32608...

我想组按流派，并得到各流派的平均向量表示（在体裁每部电影矢量分量明智的平均值）。

我第一次尝试：

movie_df.groupby(['Genre']).mean()

但内置的均值函数不能采取numpy的阵列的平均值。

我试图创造我自己的函数来进行，然后将其应用到各组，但我不知道这是用正确适用：

def vector_average(group): 
    series_to_array = np.array(group.tolist()) 
    return np.mean(series_to_array, axis = 0) 

movie_df.groupby(['Genre']).apply(vector_average)

任何指针将不胜感激！

来源

2017-08-17 Matt

可否请您打印出'df.head（5）'和它贴在这里？ –

是的，但在问题中。 –

我不熟悉提供数据框样本的最佳方式 - 此处的建议也将不胜感激！ – Matt

如果我理解正确的话，让你可以简单地应用np.mean到'Word Vector' SeriesGroupBy明确的逐分量的平均值。

df.groupby('Genre')['Word Vector'].apply(np.mean)

演示

>>> df = pd.DataFrame({'Title': list('ABCDEFGHIJ'), 
         'Genre': list('ABCBBDCDED'), 
         'Word Vector': [np.random.randint(0, 10, 10) 
             for _ in range(len('ABCDEFGHIJ'))]}) 

>>> df 

    Genre Title      Word Vector 
0  A  A [3, 6, 8, 0, 4, 8, 1, 4, 0, 1] 
1  B  B [5, 4, 4, 4, 8, 7, 4, 3, 7, 2] 
2  C  C [1, 7, 6, 7, 3, 3, 8, 1, 8, 1] 
3  B  D [0, 4, 6, 7, 1, 5, 5, 0, 6, 7] 
4  B  E [8, 2, 1, 4, 1, 2, 0, 4, 9, 1] 
5  D  F [7, 9, 7, 8, 8, 7, 2, 9, 1, 3] 
6  C  G [0, 7, 1, 9, 6, 2, 1, 0, 3, 7] 
7  D  H [4, 7, 9, 4, 1, 5, 0, 3, 0, 6] 
8  E  I [5, 1, 5, 1, 8, 1, 1, 4, 5, 6] 
9  D  J [7, 9, 0, 1, 8, 3, 8, 8, 1, 0] 

>>> df.groupby('Genre')['Word Vector'].apply(np.mean) 

Genre 
A [3.0, 6.0, 8.0, 0.0, 4.0, 8.0, 1.0, 4.0, 0.0, ... 
B [4.33333333333, 3.33333333333, 3.66666666667, ... 
C [0.5, 7.0, 3.5, 8.0, 4.5, 2.5, 4.5, 0.5, 5.5, ... 
D [6.0, 8.33333333333, 5.33333333333, 4.33333333... 
E [5.0, 1.0, 5.0, 1.0, 8.0, 1.0, 1.0, 4.0, 5.0, ... 
Name: Word Vector, dtype: object

来源

2017-08-17 04:29:47 miradulo

谢谢你这个作品！为了完整起见，我尝试了movie_df.groupby（['Genre']）。apply（np.mean）。它具有ID和年份列的输出，但没有列入矢量列？ – Matt

@perennial_nomad如果您尝试在整个DataFrame上调用'np.mean'，它将仅为具有数字数据类型的列提供结果 - 在这里，''Word Vector''是类型对象。不客气！ – miradulo

另一个后续 - 这会返回一个熊猫系列，当我尝试使用to_frame将其写入数据框时，它只返回带有流派作为标签的Word向量列。有没有一种方法可以直接转换为20×2的DF和'流派'和'字矢量'？ – Matt

在熊猫数据框和平均数组中按列分组

回答

相关问题