按第二个元素对元组列表进行分组，取第一个元素的平均值答案

【问题标题】：Group list-of-tuples by second element, take average of first element按第二个元素对元组列表进行分组，取第一个元素的平均值
【发布时间】：2019-11-25 18:48:29
【问题描述】：

我有一个元组 (x,y) 列表，例如：

l = [(2,1), (4,6), (3,1), (2,7), (7,10)]

现在我想创建一个新列表：

l = [(2.5,1), (4,6), (2,7), (7,10)]

如果元组中有多个元组具有相同的第二个值 (y)，则 新列表具有元组的第一个值 (x) 的平均值。

由于 (x,y) = (2,1) 和 (3,1) 元组中的第二个元素 y=1 是常见的，因此 x=2 和 3 的平均值在新列表中。 y=1 不会出现在其他任何地方，因此其他元组保持不变。

【问题讨论】：

你为什么给 pandas 打标签，但输入元组列表（而不是数据框）？ pandas Dataframe 效果更好。原生 Python 列表处理元组的能力非常有限。

标签： python python-3.x pandas numpy pandas-groupby

【解决方案1】：

既然你标记了pandas：

l = [(2,1), (4,6), (3,1), (2,7), (7,10)]
df = pd.DataFrame(l)

那么df就是一个有两列的数据框：

现在您要计算列0 中与列1 中相同值的数字的平均值：

(df.groupby(1).mean()     # compute mean on each group
   .reset_index()[[0,1]]  # restore the column order
   .values                # return the underlying numpy array
 )

输出：

array([[ 2.5,  1. ],
       [ 4. ,  6. ],
       [ 2. ,  7. ],
       [ 7. , 10. ]])

【讨论】：

你能解释一下代码中发生了什么吗？...我是熊猫的新手
当然，请参阅更新。如果您仍然觉得难以理解，我建议将链命令和打印输出分开。
[[0,1]] 在做什么？我知道它颠倒了列的顺序，但它是如何做到的？
没有它，数据将显示为column 1, column 0。
是的，我知道..我在问这是怎么回事？怎么反转？

【解决方案2】：

首先形成一个哈希表/字典，所有第二个元素作为键，它们对应的值作为值列表。然后使用 listcomp，您可以通过迭代 dict 的项目来获得所需的输出。

from collections import defaultdict
out = defaultdict(list)
for i in l:
    out[i[1]] += [i[0]]
out = [(sum(v)/len(v), k) for k, v in out.items()]
print(out)
#prints [(2.5, 1), (4.0, 6), (2.0, 7), (7.0, 10)]

【讨论】：

【解决方案3】：

使用groupby的另一种方式：

from itertools import groupby

# Sort list by the second element
sorted_list = sorted(l,key=lambda x:x[1])

# Group by second element
grouped_list = groupby(sorted_list, key=lambda x:x[1])

result = []
for _,group in grouped_list:
    x,y = list(zip(*group))
    # Take the mean of the first elements
    result.append((sum(x) / len(x),y[0]))

你得到：

[(2.5, 1), (4.0, 6), (2.0, 7), (7.0, 10)]

【讨论】：

for _,group in groupby(...) 几乎总是可以避免的，而且总是不好的成语。在大型数据帧上的性能也更差。
从未听说过。您对此有任何帖子/参考吗？

【解决方案4】：

这是使用numpy.bincount 的方法。它依赖于标签是非负整数。（如果不是这种情况，可以先做np.unique(i, return_inverse=True)）。

w,i = zip(*l)
n,d = np.bincount(i,w), np.bincount(i)
v, = np.where(d)
[*zip(n[v]/d[v],v)]
# [(2.5, 1), (4.0, 6), (2.0, 7), (7.0, 10)]

【讨论】：