Python：编写一个函数来快速计算MAPE

Question

我准备了一个如下所示的数据框：

+------------+--------+-----------+
| Date       | Actual | Predicted |
+------------+--------+-----------+
| 2020-01-01 | XX     | XX        |
+------------+--------+-----------+
| 2020-01-02 | XX     | XX        |
+------------+--------+-----------+
| 2020-01-03 | XX     | XX        |
+------------+--------+-----------+
| 2020-01-04 | XX     | XX        |
+------------+--------+-----------+
| 2020-01-05 | XX     | XX        |
+------------+--------+-----------+
| 2020-01-06 | XX     | XX        |
+------------+--------+-----------+
| ...        | ...    | ...       |
+------------+--------+-----------+

MAPE=[∑（|实际-预测|/实际）]/*100/N
（此处还提供了公式：https://ibf.org/knowledge/glossary/mape-mean-absolute-percentage-error-174）

N是行数

现在我正在做一项非常手工的工作，通过添加一个额外的列来计算|实际-预测|，另一个列来计算（|实际-预测|/Actual），然后将该列相加，乘以100，然后除以行数

我想知道是否有一种更优雅的方法可以帮助我实现MAPE计算过程的自动化

我设想输入是dataframe，两个列名“actual”和“predicted”，输出是Computed MAPE

非常感谢你的帮助

Answer 1

你确实会这样做。但是，您可以将您的业务链：

df['MAPE'] = ((df.Actual-df.Predicted).abs()
                 .div(df.Actual)
                 .cumsum()
                 /np.arange(1,len(df)+1)
             )

测试数据和输出：

   Actual  Predicted      MAPE
0      10          5  0.500000
1      11          6  0.477273
2      12          7  0.457071
3      13          8  0.438957
4      14          9  0.422594