我想取每个月每个唯一值的平均价格答案

【问题标题】：I want to take the average price of each unique value in each month我想取每个月每个唯一值的平均价格
【发布时间】：2020-02-21 15:47:03
【问题描述】：

我正在使用日历数据集来预测不同房屋的价格，其日期特征包括一年中的 365 天。我想通过在新列中获取每个列表的平均月价来最小化数据集。

 input data:
listing_id  date       price    months
    1       2020-01-08  75.0    Jan
    1       2020-01-09  100.0   Jan
    1       2020-02-08  350.0   Feb
    2       2020-01-08  465.0   Jan
    2       2020-02-08  250.0   Feb
    2       2020-02-09  250.0   Feb

Output data:
listing_id  date        Avg_price      months
    1       2020-01-08  90.0           Jan
    1       2020-02-08  100.0          Feb
    2       2020-01-08  50.0           Jan
    2       2020-02-08  150.0          Feb

【问题讨论】：

标签： python date time-series average feature-engineering

【解决方案1】：

您可以使用groupby获取每个月的平均价格：

g = df.groupby("months")["price"].mean()

然后您可以创建新列：

for month, avg in g.iteritems():
    df["average_{}".format(month)] = avg

虚拟数据示例：

import pandas as pd
df = pd.DataFrame({'months':['Jan', 'Feb', 'Feb', 'Mar', 'Mar', 'Mar'],
                   'price':[1, 2, 3, 4, 5, 6]})

结果：

  months  price  average_Feb  average_Jan  average_Mar
0    Jan      1          2.5          1.0          5.0
1    Feb      2          2.5          1.0          5.0
2    Feb      3          2.5          1.0          5.0
3    Mar      4          2.5          1.0          5.0
4    Mar      5          2.5          1.0          5.0
5    Mar      6          2.5          1.0          5.0

【讨论】：

我不确定你是否理解我的意思。有一个列表 ID 列、价格列和月份列。我想创建一个 average_Jan 列来获取每个列表 ID 在 1 月份的平均价格。
您能否提供一些示例数据和预期输出？它使给出准确答案变得容易得多。听上去你还想通过列出 id 来分组...？
谢谢，我用输入和所需的输出数据编辑了我的问题。

【解决方案2】：

我赞成丹的回答。
看看另一种方法可能会有所帮助。
此外，如果您有跨越多年的数据，您可能需要一个 month_year 列。
参考：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.pivot_table.html

例子：

df = pd.DataFrame({'price':[i for i in range(121)]},
                  index=pd.date_range(start='12/1/2017',end='3/31/2018'))
df = df.reset_index()
df['month_year'] = df['index'].dt.month_name() + " " + 
                   df['index'].dt.year.astype(str)
df.pivot_table(values='price',columns='month_year')

结果：

In [39]: df.pivot_table(values='price',columns='month_year')
Out[39]: 
month_year  December 2017  February 2018  January 2018  March 2018
price                15.0           75.5          46.0       105.0

【讨论】：

谢谢，这是我想要的，但每个列表的平均价格。我用示例编辑了我的问题。