Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Что такое средневзвешенное значение?
  • Рассчитайте средневзвешенное значение в Pandas, используя пользовательскую функцию
  • Рассчитайте средневзвешенное значение в Pandas с помощью GroupBy
  • Вычислить средневзвешенное значение в Pandas с помощью Numpy
  • Вычислить средневзвешенное значение двух списков с помощью Zip
  • Заключение
  1. Учебники по Pandas и Numpy
  2. Pandas

Вычисление Взвешенного Среднего в Pandas и Python

PreviousPandas: Получение номера строки из DataFrameNextКак перемешать строки Pandas Dataframe в Python

Last updated 2 months ago

В этом руководстве вы узнаете, как рассчитать взвешенное среднее с использованием Pandas и Python. Взвешенные средние учитывают "веса" заданных значений, что делает их более репрезентативными для фактического среднего. Это имеет множество практических применений, включая расчет прогнозов продаж или оценку эффективности за разные периоды времени.

Хотя Pandas оснащён множеством полезных встроенных функций, таких как чрезвычайно простой способ вычисления среднего значения столбца, в нём нет встроенной функции для расчёта средневзвешенного значения. Однако это не проблема, так как Pandas позволяет легко определить функцию для выполнения этой задачи.

В конце этого учебного материала вы узнаете, что такое взвешенное среднее и чем оно отличается от обычного арифметического среднего, как рассчитать взвешенное среднее столбца в Pandas, а также как вычислить его на основе двух различных списков.

Краткий ответ: Используйте Pandas

# Вычисление взвешенного среднего для DataFrame Pandas с использованием NumPy

import pandas as pd
import numpy as np

df = pd.DataFrame.from_dict({
    'NumCourses': [3, 2, 4, 6, 2],
    'Grades': [90, 85, 95, 85, 70]
})

weighted_average = np.average(a=df['Grades'], weights=df['NumCourses'])
print(weighted_average)

# Возвращает: 86.47058823529412

Оглавление

Что такое средневзвешенное значение?

Термин взвешенное среднее относится к среднему значению, которое учитывает различные степени важности чисел в наборе данных. Поэтому взвешенное среднее, вероятно, будет отличаться от значения, рассчитанного с использованием арифметического среднего.

Формула для вычисления взвешенного среднего выглядит следующим образом:

Эта формула представляет собой сумму каждого элемента, умноженного на его вес, делённую на количество элементов.

Давайте посмотрим, как это сравнивается с примерами данных. Рассмотрим следующую таблицу, где мы хотим вычислить среднюю оценку по каждому курсу.

Количество курсов
Оценка

3

90

2

85

4

95

6

85

2

70

Если бы мы рассчитывали обычное среднее, его можно было бы вычислить так:

( 90 + 85 + 95 + 85 + 70 ) / 5

Тем не менее, это может создать некоторые проблемы из-за различий в количестве курсов. Если мы действительно хотим посчитать среднюю оценку за курс, нам стоит рассмотреть расчет взвешенного среднего.

Этот расчет будет выглядеть

( 90×3 + 85×2 + 95×4 + 85×4 + 70×2 ) / (3 + 2 + 4 + 6 + 2 )

Это может дать нам гораздо более репрезентативную оценку за курс

Давайте посмотрим, как мы можем разработать пользовательскую функцию для вычисления взвешенного среднего в Pandas.

Рассчитайте средневзвешенное значение в Pandas, используя пользовательскую функцию

В этом разделе вы узнаете, как использовать Python для создания пользовательской функции, чтобы рассчитать средневзвешенное значение в DataFrame Pandas. Хотя в Pandas есть встроенный метод mean(), нам потребуется разработать пользовательскую функцию. Это потому, что средневзвешенное значение фактически зависит от нескольких переменных: одной, которая определяет вес, и другой, содержащей фактические значения.

Давайте загрузим наш пример таблицы сверху как датафрейм, который мы можем использовать на протяжении всего руководства:

# Вычисление взвешенного среднего в Pandas с использованием пользовательской функции

import pandas as pd

df = pd.DataFrame.from_dict({
    'NumCourses': [3, 2, 4, 6, 2],
    'Grades': [90, 85, 95, 85, 70]
})

print(df)

# Возвращает:
#    NumCourses  Grades
# 0           3      90
# 1           2      85
# 2           4      95
# 3           6      85
# 4           2      70

Мы можем разработать настраиваемую функцию, которая вычисляет взвешенное среднее, передавая два аргумента: столбец, содержащий веса, и столбец, содержащий оценки.

Давайте посмотрим, как будет выглядеть

# Вычисление взвешенного среднего в Pandas с использованием пользовательской функции

import pandas as pd

df = pd.DataFrame.from_dict({
    'NumCourses': [3, 2, 4, 6, 2],
    'Grades': [90, 85, 95, 85, 70]
})

def weighted_average(df, values, weights):
    return sum(df[weights] * df[values]) / df[weights].sum()

print(weighted_average(df, 'Grades', 'NumCourses'))

# Возвращает: 86.47058823529412

Давайте разберемся, что мы здесь сделали:

  1. Мы создали функцию, которая принимает на вход DataFrame и два столбца: один для значений, другой для весов.

  2. Затем мы вводим формулу, которая вычисляет сумму весов, умноженных на значения, деленную на сумму значений

В следующем разделе вы научитесь использовать метод groupby() для вычисления средневзвешенного в Pandas.

Рассчитайте средневзвешенное значение в Pandas с помощью GroupBy

Бывают случаи, когда у вас есть третья переменная, по которой вы хотите разделить ваши данные. Например, если наши данные также разбиты по годам, мы захотим рассчитать взвешенное среднее по каждому году. Вот где метод .groupby() вступает в игру.

Давайте добавим столбец с годом в наш датафрейм и посмотрим, как можно вычислить средневзвешенное значение для каждого года:

# Вычисление взвешенного среднего в Pandas с использованием GroupBy

import pandas as pd

df = pd.DataFrame.from_dict({
    'Year': ['2021', '2021', '2022', '2022', '2022'],
    'NumCourses': [3, 2, 4, 6, 2],
    'Grades': [90, 85, 95, 85, 70]
})

def weighted_average(df, values, weights):
    return sum(df[weights] * df[values]) / df[weights].sum()

print(df.groupby('Year').apply(weighted_average, 'Grades', 'NumCourses'))

# Возвращает: 
# Year
# 2021    88.000000
# 2022    85.833333
# dtype: float64

Здесь мы сначала используем метод .groupby(), чтобы сгруппировать наши данные по годам. Затем мы применяем функцию и передаем в неё два столбца. Это возвращает напечатанную серию данных.

В следующем разделе вы узнаете, как использовать numpy для вычисления взвешенного среднего.

Вычислить средневзвешенное значение в Pandas с помощью Numpy

Библиотека numpy имеет функцию average(), которая позволяет передавать необязательный аргумент для указания весов значений. Функция принимает массив в аргументе a=, и другой массив для весов в аргументе weights=.

Посмотрим, как мы можем вычислить средневзвешенное значение Pandas Dataframe с использованием numpy:

# Вычисление взвешенного среднего в Pandas с использованием NumPy

import pandas as pd
import numpy as np

df = pd.DataFrame.from_dict({
    'NumCourses': [3, 2, 4, 6, 2],
    'Grades': [90, 85, 95, 85, 70]
})

weighted_average = np.average(a=df['Grades'], weights=df['NumCourses'])
print(weighted_average)

# Возвращает: 86.47058823529412

Это более аккуратный способ расчета взвешенного среднего значения в DataFrame Pandas. Важно учитывать читаемость при написании кода – вы хотите, чтобы ваш код был интуитивно понятным. Если это требует импорта другой функции из модуля, то это может быть стоящим компромиссом.

В следующем разделе вы узнаете, как вычислить взвешенное среднее из двух списков, используя функцию zip в Python.

Вычислить средневзвешенное значение двух списков с помощью Zip

В этом разделе вы узнаете, как вычислить средневзвешенное двух списков с помощью функции zip в Python. Хотя этот метод может быть не таким практичным, как другие описанные выше методы, он может пригодиться на собеседованиях по программированию.

Предположим, у вас есть два списка: один содержит веса, а другой содержит фактические значения.

Мы можем вычислить средневзвешенное значение списка значений, используя следующий подход:

# Вычисление взвешенного среднего двух списков в Python

num_courses = [3, 2, 4, 6, 2]
grades = [90, 85, 95, 85, 70]

def weighted_average(values, weights):
    weighted_sum = []
    for value, weight in zip(values, weights):
        weighted_sum.append(value * weight)
    
    return sum(weighted_sum) / sum(weights)

print(weighted_average(grades, num_courses))

# Возвращает: 86.47058823529412

В приведенном выше примере мы разработали новую функцию, которая принимает два списка в качестве параметров. Функция создает новый список, затем выполняет итерацию по zip-объекту, возвращенному из двух списков. Значения перемножаются и суммируются, затем делятся на сумму весов.

Заключение

В этом учебнике вы узнали, как рассчитать средневзвешенное значение в Pandas, включая использование Pandas, пользовательской функции, numpy и функции zip. Умение рассчитывать средневзвешенное значение имеет множество практических применений, включая использование в бизнесе и науке.

Формула для расчета взвешенного среднего

Чтобы узнать больше о функции average в numpy, ознакомьтесь с .

официальной документацией здесь
Что такое средневзвешенное значение?
Рассчитайте средневзвешенное значение в Pandas, используя пользовательскую функцию
Рассчитайте средневзвешенное значение в Pandas с помощью GroupBy
Вычислить средневзвешенное значение в Pandas с помощью Numpy
Вычислить средневзвешенное значение двух списков с помощью Zip
Заключение