DataFrame：按一列分组并平均其他列

Question

假设我有以下 DataFrame：

data = pd.DataFrame({'id' : ['1','2','3','4','5'], 'group' : ['1','1','2','1','2'], 
      'state' : ['True','False','False','True','True'], 'value' : [11,12,5,8,3]})

我想创建一个新的 DataFrame，保留 3 列：组（'1' 或 '2'），并对 'state' 和 'value' 列进行平均，因此 DataFrame 将是：

grouped_averaged = pd.DataFrame({'group' : ['1','2'], 'average_state' : [0.66,0.5], 'value' : [7,3]})

Answer 1

你只需要groupby:

data['state'] = data['state'].eq('True')
data.drop('id',axis=1).groupby('group', as_index=False).mean()

输出：

  group     state      value
0     1  0.666667  10.333333
1     2  0.500000   4.000000

Answer 2

data.groupby('group').agg({('average_state', 'mean')})

Answer 3

您应该首先创建一个过滤数据框来过滤您所需的数据框。该算法将首先创建一个要过滤的值列表，然后将状态中的 True 和 False 的值更改为 1 和 0，然后使用聚合函数对它们进行分组。

df = pd.DataFrame({'id' : ['1','2','3','4','5'], 'group' : ['1','1','2','1','2'], 
      'state' : ['True','False','False','True','True'], 'value' : [11,12,5,8,3]})
filter_values=['1','2']
df=df.loc[df['group'].isin(filter_values)]
df['state']=(df['state']=="True").astype(int)
df['state']=(df['state']=="False").astype(int)
aggregate_functions={'state':'mean','value':'mean'}
clean_df=df.groupby(['group']).aggregate(aggregate_functions)

我的电脑上没有运行它，但你可以测试它，但这个算法应该有效。

DataFrame：按一列分组并平均其他列

DataFrame: Group by one column and average other columns

python

average

dataframe

pandas

pandas-groupby