web-dev-qa-db-ja.com

Pythonデータフレームの信頼区間

大規模なデータセットの「力」列の平均と信頼区間（95％）を計算しようとしています。異なる「クラス」をグループ化してgroupby関数を使用した結果が必要です。

平均を計算して新しいデータフレームに配置すると、すべての行のNaN値が得られます。正しい方向に進んでいるかどうかはわかりません。これを行う簡単な方法はありますか？

これはサンプルデータフレームです：

df=pd.DataFrame({ 'Class': ['A1','A1','A1','A2','A3','A3'], 
                  'Force': [50,150,100,120,140,160] },
                   columns=['Class', 'Force'])

信頼区間を計算するために、私が行った最初のステップは平均を計算することでした。これは私が使用したものです：

F1_Mean = df.groupby(['Class'])['Force'].mean()

これにより、すべての行のNaN値が得られました。

pythonpandasconfidence-interval
2
MasterShifu
import pandas as pd
import numpy as np
import math

df=pd.DataFrame({'Class': ['A1','A1','A1','A2','A3','A3'], 
                 'Force': [50,150,100,120,140,160] },
                 columns=['Class', 'Force'])
print(df)
print('-'*30)

stats = df.groupby(['Class'])['Force'].agg(['mean', 'count', 'std'])
print(stats)
print('-'*30)

ci95_hi = []
ci95_lo = []

for i in stats.index:
    m, c, s = stats.loc[i]
    ci95_hi.append(m + 1.96*s/math.sqrt(c))
    ci95_lo.append(m - 1.96*s/math.sqrt(c))

stats['ci95_hi'] = ci95_hi
stats['ci95_lo'] = ci95_lo
print(stats)

出力は

  Class  Force
0    A1     50
1    A1    150
2    A1    100
3    A2    120
4    A3    140
5    A3    160
------------------------------
       mean  count        std
Class                        
A1      100      3  50.000000
A2      120      1        NaN
A3      150      2  14.142136
------------------------------
       mean  count        std     ci95_hi     ci95_lo
Class                                                
A1      100      3  50.000000  156.580326   43.419674
A2      120      1        NaN         NaN         NaN
A3      150      2  14.142136  169.600000  130.400000
5
yoonghm

コメントで述べたように、私はあなたのエラーを複製することはできませんでしたが、あなたの番号が文字列ではなく番号として保存されていることを確認することができます。 df.info()を使用して、関連する列がfloatまたはintであることを確認します。

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6 entries, 0 to 5
Data columns (total 2 columns):
Class    6 non-null object   # <--- non-number column
Force    6 non-null int64    # <--- number (int) column
dtypes: int64(1), object(1)
memory usage: 176.0+ bytes
0
Dror Paz