使用另一列中的条件进行分组

Question

这是一个非常基本的问题，但我的大脑正在放弃我，我非常感谢一些帮助。

我有一个包含 10000 行的数据集。 我有一个包含 100 个唯一区域名称的区域名称列。 我有一个类型列，类型范围从 1 到 10。 我有一个支出专栏。

我想按地区名称对其进行分组，并添加一个新列，其中包含每个名称的平均支出（甚至在旧支出列中）。

但是： 我只想要 1-7 类型的平均值。因此，我想排除该区域中的任何类型 8、9 或 10。 除非，如果一个区域只包含类型 8、9 或 10。在这种情况下，我想要该支出的平均值。

我玩过的东西，但还没有真正做到：

方法一： 创建 2 个数据集，一个具有类型 1-7，另一个在一个区域中只有类型 8、9 或 10：

main=['1.','2.', '3.','4.', '5.', '6.', '7.']
eight_to_ten=['8.', '9.', '10.']

df_main = df[df['Type'].isin(main)]
df_main['avg_sales'] = df_main.groupby(['Area Name'])['Sales'].mean()

方法二：

df_new['avg_sales'] = df[df['Type'].isin(main)].groupby('Area Name')['Sales'].mean()

我认为有一种非常短的方法可以做到这一点，很可能不必将数据集分成 2 份然后将其连接回来。

使用 for 循环更容易做到吗？

任何帮助将不胜感激

Answer 1

我相信您需要按列表过滤第一行，如果需要每个组的新列，请使用GroupBy.transform：

m1 = df['Type'].isin(main)
m2 = df['Type'].isin(eight_to_ten)
df = df_main[m1 | m2].copy()
df['avg_sales'] = df.groupby(['Area Name', m1])['Sales'].transform('mean')

或者为带有聚合的新 DataFrame 添加新数组以区分组：

arr = np.where(m1, 'first','second')
df1 = df.groupby(['Area Name', arr])['Sales'].mean().reset_index()