使用熊猫逐行计算列平均值答案

【问题标题】：Calculate column average row by row using pandas使用熊猫逐行计算列平均值
【发布时间】：2022-11-14 13:23:31
【问题描述】：

我有以下熊猫 DF：

我想得到两个输出列：平均和avg_sep

平均应该是逐行计算的平均值。

avg_sep应该是逐行计算的平均值，直到某个条件（即直到第 3 行我计算一个平均值，在第 3 行我开始计算另一个平均值之前），我的预期输出是：

    val  avg  avg_sep
1   10   10   10
2   20   15   15
3   30   20   20
4   40   25   40
5   30   26   35

我知道我可以使用df.mean(axis=0) 来获取列的平均值。但是我怎样才能得到预期的输出呢？

【问题讨论】：

您可以使用df["avg"] = df["val"].cumsum() / df.index 来计算avg。我不确定你对avg_sep 的意思。
avg_sep 只是一个名字。基本上我想计算给定行的平均值，然后仅考虑以下行再次开始计算平均值。
嗯，也许您可以使用与avg 列相同的结构分段构建它？我认为：df.loc[:3, "avg_sep"] = df.loc[:3, "val"].cumsum() / np.arange(1, 4) 和 df.loc[4:, "avg_sep"] = df.loc[4:, "val"].cumsum() / np.arange(1, 3) 会起作用，但可能会有更好/更优雅的选择
谢谢！您介意将其发布为答案吗？所以我可以接受！

标签： python pandas

【解决方案1】：

从 cmets 的讨论中：

import pandas as pd
import numpy as np

# Building frame:
df = pd.DataFrame(
    data={"val": [10, 20, 30, 40, 30]},
    index=[1, 2, 3, 4, 5]
)

# Solution:
df["avg"] = df["val"].cumsum() / np.arange(1, 6) # or `/ df.index`
df.loc[:3, "avg_sep"] = df.loc[:3, "val"].cumsum() / np.arange(1, 4)
df.loc[4:, "avg_sep"] = df.loc[4:, "val"].cumsum() / np.arange(1, 3)

【讨论】：

【解决方案2】：

将expanding 与mean() 一起使用：

df = pd.DataFrame(data=[[10],[20],[30],[40],[30]], columns=["val"])

df["avg"] = df["val"].expanding().mean()

split_at = 3
df["sep_flag"] = pd.concat([df["val"][:split_at,].expanding().mean(), df["val"][split_at:,].expanding().mean()])

[Out]:
   val   avg  sep_flag
0   10  10.0      10.0
1   20  15.0      15.0
2   30  20.0      20.0
3   40  25.0      40.0
4   30  26.0      35.0

【讨论】：