计算卡方测试中使用的先前机会数

2条回答

网友

1楼 · 编辑于 2024-04-23 11:36:14

这应该很简单，只是不清楚您所说的“在一个唯一的数据类中任何一个人的分数概率”是什么意思。例如，数据类xpv的数据以5行开头，其中George Smith出现两次。你想让乔治·史密斯看到什么样的“分数机会”？你想让其他人（出现一次）看到什么？为什么示例输出在xpv行旁边只显示零？在

答案可能取决于日期类是否在以后的日期再次出现，以及这是否与计算有关；但是如果您能够解释如何计算前5个的值，则可能会清楚剩下的内容。（如果不是，请解释第二组，其中的值确实变为非零。）

注：也许这在评论中的讨论中有所提及，但是TL；DNR。如果你能改进这个问题，就很容易给出正确的答案。在

网友

2楼 · 编辑于 2024-04-23 11:36:14

这不应该是对您的问题的完整回答（因为这有点模棱两可，您正在尝试做什么），而只是向您展示pandas如何自然地适应这种计算；您还可以通过名称而不是按索引调用列。在

假设您有这样一个test.csv文件：

date,x0,cls,x1,x2,x3,tag,name
02/01/2005,Data,Class xpv,4,11yo+,4,1,George Smith
02/01/2005,Data,Class xpv,4,11yo+,4,2,Ted James
02/01/2005,Data,Class xpv,4,11yo+,4,3,Emma Lilly
02/01/2005,Data,Class xpv,4,11yo+,4,5,George Smith
...

我给每一列都指定了名字。您可以通过以下方式将此文件读入pandas数据帧

^{pr2}$

{cd2>看起来像这样：

          date    x0         cls  x1     x2  x3  tag          name
0   02/01/2005  Data   Class xpv   4  11yo+   4    1  George Smith
1   02/01/2005  Data   Class xpv   4  11yo+   4    2     Ted James
2   02/01/2005  Data   Class xpv   4  11yo+   4    3    Emma Lilly
3   02/01/2005  Data   Class xpv   4  11yo+   4    5  George Smith
...

我删除您不使用的列（这只是为了演示，您不必删除这些列）

df.drop( labels=['x0', 'x1', 'x2', 'x3'], axis=1, inplace=True )

现在df如下所示：

          date         cls  tag          name
0   02/01/2005   Class xpv    1  George Smith
1   02/01/2005   Class xpv    2     Ted James
2   02/01/2005   Class xpv    3    Emma Lilly
3   02/01/2005   Class xpv    5  George Smith
...

假设您想找出每个人每天在之前的日期中出现的累计次数：

pv = df.pivot_table( cols='name',
                     rows='date',
                     values='tag',
                     aggfunc=len ).shift( 1 ).fillna( 0 ).cumsum( )

api文档（请参见here）包含每个方法的详细描述。现在有了透视表pv，它看起来像这样

date        Emma Lilly  George Smith  Ted James  Tom Phillips
02/01/2005           0             0          0             0
03/01/2005           1             2          1             1
04/01/2005           2             4          1             3
05/01/2005           2             7          2             5

或者可以使用groupby：

df.groupby(['date', 'name'])['name'].aggregate(len).unstack( ).shift( 1 ).fillna( 0 ).cumsum( )

要执行相同的计算，但只针对tag == 1，可以这样做

idx = df.tag == 1
pv1 = df[ idx ].pivot_table( cols='name',
                             rows='date',
                             values='tag',
                             aggfunc=len ).shift( 1 ).fillna( 0 ).cumsum( )

或使用groupby语法：

df[ df.tag == 1 ].groupby(['date', 'name'])['name'].aggregate(len).unstack( ).shift( 1 ).fillna( 0 ).cumsum( )

将是：

date        Emma Lilly  George Smith  Ted James
02/01/2005           0             0          0
03/01/2005           0             1          0
04/01/2005           1             1          0
05/01/2005           1             2          0

为了填写这两个新列，我们编写了一个helper函数，如果缺少值，则返回到0：

def lookup( pivot_table, col, idx, fall_back=0 ):
    try:
        return pivot_table[ col ][ idx ]
    except KeyError:
        return fall_back

df[ 'cnt1' ] = [ lookup( pv1, row[ 'name' ], row[ 'date' ] ) for idx, row in df.iterrows( ) ]
df[ 'cnt' ] = [ lookup( pv, row[ 'name' ], row[ 'date' ] ) for idx, row in df.iterrows( ) ]

我们得到：

          date         cls  tag          name  cnt1  cnt
0   02/01/2005   Class xpv    1  George Smith     0    0
1   02/01/2005   Class xpv    2     Ted James     0    0
2   02/01/2005   Class xpv    3    Emma Lilly     0    0
3   02/01/2005   Class xpv    5  George Smith     0    0
4   02/01/2005   Class tn2    4  Tom Phillips     0    0
5   03/01/2005   Class tn2    2  Tom Phillips     0    1
6   03/01/2005   Class tn2    5  George Smith     1    2
7   03/01/2005   Class tn2    3  Tom Phillips     0    1
8   03/01/2005   Class tn2    1    Emma Lilly     0    1
9   03/01/2005   Class tn2    6  George Smith     1    2
10  04/01/2005   Class tn2    6     Ted James     0    1
11  04/01/2005   Class tn2    3  Tom Phillips     0    3
12  04/01/2005   Class tn2    2  George Smith     1    4
13  04/01/2005   Class tn2    4  George Smith     1    4
14  04/01/2005   Class tn2    1  George Smith     1    4
15  04/01/2005   Class tn2    5  Tom Phillips     0    3
16  05/01/2005  Class 22zn    3    Emma Lilly     1    2
17  05/01/2005  Class 22zn    1     Ted James     0    2
18  05/01/2005  Class 22zn    2  George Smith     2    7
19  05/01/2005  Class 22zn    4    Emma Lilly     1    2
20  05/01/2005  Class 22zn    5  Tom Phillips     0    5

如果我知道你是如何计算最后一个专栏的话，我可以继续下去。例如为什么“汤姆·菲利普斯”在第六排得了0.2？！在

编辑：好的，我们继续。我们需要找出每个人在每个日期出现的次数；这是另一个数据透视表：

appr = df.pivot_table( cols='name',
                       rows='date',
                       values='tag',
                       aggfunc=len ).fillna( 0 )

或者

df.groupby( ['date', 'name'] )['name'].aggregate(len).unstack( ).fillna( 0 )

输出：

date        Emma Lilly  George Smith  Ted James  Tom Phillips
02/01/2005           1             2          1             1
03/01/2005           1             2          0             2
04/01/2005           0             3          1             2
05/01/2005           2             1          1             1

每次约会有多少人出现：

total_appr = appr.sum( axis=1 )

输出：

date
02/01/2005    5
03/01/2005    5
04/01/2005    6
05/01/2005    5

要计算累积分数，您可以简单地将每行除以总数，再除以1（因为我们查找以前的日期），然后计算累计和：

frac = appr.apply( lambda x: x / total_appr ).shift( 1 ).fillna( 0 ).cumsum( )
df[ 'frac' ] = [ frac[ row[ 'name' ] ][ row[ 'date' ] ] for idx, row in df.iterrows( ) ]

现在df如下所示：

          date         cls  tag          name  cnt1  cnt      frac
0   02/01/2005   Class xpv    1  George Smith     0    0  0.000000
1   02/01/2005   Class xpv    2     Ted James     0    0  0.000000
2   02/01/2005   Class xpv    3    Emma Lilly     0    0  0.000000
3   02/01/2005   Class xpv    5  George Smith     0    0  0.000000
4   02/01/2005   Class tn2    4  Tom Phillips     0    0  0.000000
5   03/01/2005   Class tn2    2  Tom Phillips     0    1  0.200000
6   03/01/2005   Class tn2    5  George Smith     1    2  0.400000
7   03/01/2005   Class tn2    3  Tom Phillips     0    1  0.200000
8   03/01/2005   Class tn2    1    Emma Lilly     0    1  0.200000
9   03/01/2005   Class tn2    6  George Smith     1    2  0.400000
10  04/01/2005   Class tn2    6     Ted James     0    1  0.200000
11  04/01/2005   Class tn2    3  Tom Phillips     0    3  0.600000
12  04/01/2005   Class tn2    2  George Smith     1    4  0.800000
13  04/01/2005   Class tn2    4  George Smith     1    4  0.800000
14  04/01/2005   Class tn2    1  George Smith     1    4  0.800000
15  04/01/2005   Class tn2    5  Tom Phillips     0    3  0.600000
16  05/01/2005  Class 22zn    3    Emma Lilly     1    2  0.400000
17  05/01/2005  Class 22zn    1     Ted James     0    2  0.366667
18  05/01/2005  Class 22zn    2  George Smith     2    7  1.300000
19  05/01/2005  Class 22zn    4    Emma Lilly     1    2  0.400000
20  05/01/2005  Class 22zn    5  Tom Phillips     0    5  0.933333

在最后一列的两行，我的数字和你的不一样。所以要么我把你的计算弄错了，要么你把这两个数字算错了。在

示例数据集

我使用的代码

返回：

我想要的输出是：

相关问题更多 >

编程相关推荐

热门问题

热门文章