如何在熊猫数据框中找到混合分类变量的均值？

Question

我有关于不同年龄人群使用各种社交媒体平台的调查数据集。我想计算使用社交媒体应用程序的平均人数。以下是示例数据的样子：

这里是可重现的 pandas 数据框：

df=pd.DataFrame({'age': np.random.randint(10,100,size=10),
                'web1a': np.random.choice([1, 2], size=(10,)),
                'web1b': np.random.choice([1, 2], size=(10,), p=[1./3, 2./3]),
                'web1c': np.random.choice([1, 2], size=(10,)),
                'web1d': np.random.choice([1, 2], size=(10,))})

这是我尝试过的：

df.pivot_table(df, values='web1a', index='age', aggfunc='mean')

但它效率不高，也没有产生我想要的输出。有什么想法可以完成吗？谢谢

更新：

对我来说，这样做的方法是，首先在每一列中选择分类值并获取它的平均值，这对其他人来说可能是相同的。如果我这样做，我怎样才能很好地绘制它们？

请注意，web1a、web1b、web1c、web1d、1 表示用户，2 表示非用户。我想计算用户和非用户的平均年龄。我怎样才能做到这一点？有人给我一个可能的想法来实现这一点吗？谢谢！

Answer 1

使用

df.melt('age').set_index(['variable','value']).mean(level=[0,1]).unstack().plot(kind='bar')

Answer 2

您可以按“web*”列分组并计算“年龄”列的平均值。

您还可以绘制条形图（颜色可以在子图中定义）。我不确定饼图在这种情况下是否有意义。

我尝试使用您的data，只使用以“web”开头的列。有比 '1' 和 '2' 更多的值，所以我假设您只想分析用户和非用户，而不是别的。你可以用同样的方法在图表中更改值或添加其他值，只要你知道你要绘制什么值即可。

df = df.filter(regex=('web|age'),axis=1)

userNr = '1'
nonUserNr = '2'
users = list()
nonUsers = list()
labels = [x for x in df.columns.tolist() if 'web' in x]
for col in labels:
    users.append(df.loc[:,['age',col]].groupby(col).mean().loc[userNr][0])
    nonUsers.append(df.loc[:,['age',col]].groupby(col).mean().loc[nonUserNr][0])

from matplotlib import pyplot as plt
x = np.arange(1, len(labels)+1)
ax = plt.subplot(111)
ax.bar(x-0.1, users, width=0.2,color='g')
ax.bar(x+0.1,nonUsers, width=0.2,color='r')
plt.xticks(x, labels)
plt.legend(['users','non-users'])
plt.show()

Answer 3

这可以使用groupby 方法来完成：

df.groupby(['web1a', 'web1b', 'web1c', 'web1d']).mean()

Answer 4

df.melt(id_vars='age').groupby(['variable', 'value']).mean()