时间戳

首页 > 解决方案 > 计算组的平均值，同时保留对象类型的列

python - 计算组的平均值，同时保留对象类型的列

问题描述

我有一个如下数据框：

col1   col2 col3 col4   col5...
g1       x1   x2   x3     x4
g1       x5   x6   x7     x8
g2       y1   y2   y3     y4
g2       y5   y6   y7     y8
...

其中 col1/col2 属于“object”类型，col3/col4/col5 属于“float”类型

我想先 groupby col1 然后计算 col3/col4/col5 的平均值，同时将 col2 保留在结果数据框中。通过“保持”，我只是指保持原样，甚至不计算平均值，这是不可能的，因为它是“对象”类型。每组col2每一行的实际值都是一样的，随便挑一个都行。

如果我以这种方式天真地这样做：

df.groupby(["col1"]).mean().reset_index()

那么结果数据框将不会保留 col2，col2 消失了。也就是说，结果将如下所示：

col1           col3          col4          col5...
g1        (x2+y2)/2     (x3+y3)/2     (x4+y4)/2
g2        (x6+y6)/2     (x7+x8)/2     (x8+y8)/2

如何在保持 col2（保持不变）的同时计算 col3/col4/col5 的平均值？

标签： pythonpandaspandas-groupby

解决方案

有很多方法可以选择“col2”的值

  • 根据需要生成平均值
  • 将 pack 加入要保留的列，选择第一个
s = 20
df = pd.DataFrame({"col1":np.random.choice(["g1","g2","g3"],s),
             "col2":np.random.choice(["constant"],s),
             **{f"col{i+3}":np.random.randint(1,10,s) for i in range(3)}})

df.groupby("col1").mean().join(df.groupby(["col1"])["col2"].first() ).reset_index(drop=True)
col3 col4 col5 col2
0 5.875 6.75 6.75 持续的
1 7 5.33333 6 持续的
2 4.77778 4.88889 3.66667 持续的

推荐阅读