尝试对重复的 x 值进行分组，并找到与这些重复相关的 y 值的平均值

Question

我正在使用熊猫。我编写了这个脚本来做我想做的事，但绝对没有优化。基本上，我在 namearray 中找到所有 x 重复，取相关 y 值的平均值，用平均值替换第一行的 y 值，并删除除第一行之外的所有重复 x 值的行。实际上，在图表上，我删除了看起来堆叠在一起的点，而只绘制了产生的平均值。

cats = np.unique(name_array[selected_x].values)
for j in cats:
    rows_cat = name_array[name_array[selected_x] == j]
    first_row = rows_cat.iloc[[0],:]

    avg = rows_cat[selected_y].mean()
    first_row[selected_y] = avg

    name_array = name_array[name_array[selected_x] != j]
    name_array = name_array.append(first_row,ignore_index=True)

这是我要替换它的脚本。但是，它不起作用，我不知道为什么。我正在尝试像以前一样按 x 值分组，并将新分组的 x 的 y 值替换为平均值：

name_array[selected_y] = name_array.groupby(selected_x)[selected_y].mean()

这种方法看起来更简单、更易读、更高效。任何想法为什么它不执行相同的功能？

编辑：

输入示例：

date	state	new_cases	new deaths	days_since_date	etc.
2021-03-24	PA	500	200	4	etc.
2021-03-25	PA	300	300	4	etc.
2021-03-26	PA	400	100	2	etc.
2021-03-27	PA	200	200	1	etc.

说 selected_y 是 new_cases，selected_x 是 days_since_date。 我想要的是，这个：

date	state	new_cases	new deaths	days_since_date	etc.
2021-03-24	PA	400	200	4	etc.
2021-03-26	PA	400	100	2	etc.
2021-03-27	PA	200	200	1	etc.

本质上，在 selected_x 列中重复的分组，取 selected_y 列中关联值的平均值，但不要取其他列的平均值。

原因是，日期不是日期时间类型，所以我看不出将它的平均值视为实际上意味着什么的东西，而且从总体上看，我不在乎日期是否是平均的。同样适用于状态，你不能得到字符串的平均值，除非你做某种类型的 ASCII 数学或其他东西，这也不是我想要的。

Answer 1

data.groupby(['x']).mean()['y']

通过这种方式，您可以根据x 对数据进行分组，通过调用.mean 并切分您需要的列y，找到与该组关联的所有列的平均值。