返回塔提供匹配值的平均值

Question

下面的代码可以让我找到匹配的值：

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)) 

信息关于这个可以发现here：

更好的解释是从@Andras迪克

“

”sum()中的生成器表达式循环遍历每个列对，并构造相应的布尔向量。对每个列对求和，并将结果列附加到数据帧“。

实施例输出脱粒= 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 

我怎样才能返回另一个柱df['matches_mean']提供具有匹配的值的平均值？因此，对于上面示例中的第一行，将返回平均值0.146360 & -0.099707。我希望使用与原始代码相同的itertools combinations逻辑，因为这可以很好地适应我的真实数据。

Answer 1

暂时这里是一个几乎完美的解决方案。问题是，当你想计算多个匹配的平均值（比如说，一行中的所有三个数字都接近阈值）时，你需要在计算平均值时取适当数量的值。如果3列中只有1或3个匹配，这很容易。但是，当两对数字“接近”但第三对不是时，下面的代码将会出现错误。

这个想法是总结每行和每个组合的匹配值。例如，如果只有行'A'和'B'“接近”（在阈值内），我们得到df.A+df.B，其必须除以2以得到平均值。当所有三个“接近”时，我们得到2*df.A + 2*df.B + 2*df.C，其可以被6除以得到适当的平均值。但是，在第三种情况下，例如，我们得到df.A + 2*df.B + df.C（当A和B接近时，B和C接近，但A和C不接近）。在这种情况下，我们不能用任何东西来划分，以获得适当的意思。我们可能应该用4除以得到“大约一个”元素的错误含义。我的观点是，如果我们要妥善处理这种情况，那么代码会复杂得多，根据您的需要，这可能不值得。目前还不清楚你要如何处理这个案件。当前版本除以4，相当于平均A与B，平均B与C，然后再次平均这些平均值。

所以这里有云：

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) 

在发电机表达的出现总和达到口感好等限制，我承认。你可能想把它写在适当的for循环中，但是你必须递增地总结tmpsums中的值。我承认这可能更漂亮。

无论如何，这第二个生成器表达式的工作方式与第一个类似。该产生价值当然是不同的，它是

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

也就是说，它会给我们给定的列对，如果这些值比脱粒接近的元素的总和，否则我们得到0。对于所有3组合我们得到一个具有这样的零或者两个和的元素值的数组，并且我们再次总结它们。在有0个匹配的情况下，我们得到0.如果有1个匹配，我们总结两个匹配元素。对于2场比赛，我们得到了前面提到的混合总和，并且在3场比赛中我们有两次所有术语。

剩下的是将非零例除以匹配的数量，这只是一个分割，其中我们已经知道的匹配数量是两倍（但我们必须注意零除）。

实施例输出与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