Pandas df：不同列中的组、bin和平均值？答案

【问题标题】：Pandas df: group, bin and average in different columns?Pandas df：不同列中的组、bin和平均值？
【发布时间】：2020-04-01 22:02:23
【问题描述】：

我的数据在质量上看起来像这个虚拟表：

speed_observation, car_brand, traction_force
10, ford, 2
20, ford, 4
35, seat, 8
50, ford, 16
10, audi, 2
20, audi, 5
43, audi, 2
12, seat, 2.5
10, ford, 0.5
30, audi, 6
23, ford, 4
17, seat, 5.5
10, seat, 10
38, audi, 2
40, ford, 9
19, ford, 6.6
49, seat, 18
18, ford, 4

我想按汽车品牌对数据框进行分组，并为每个品牌将速度观察结果分类为范围（例如 [0,25] 和 [25,50]），然后为每个品牌和分类计算平均牵引力测量，收到类似的东西：

speed_bin_upper_lim, car_brand, avrg_traction_force_in_speed_bin
25, audi, X1
50, audi, X2
25, ford, X3
50, ford, X4
25, seat, X5
50, seat, X6

我该怎么做？它应该适用于任意数量的唯一car_brand 类，并且用户应该只提供速度箱的数量或箱的范围（例如n=3 或[0,25,50]）。我想pd.groupby 和pd.cut 会这样做，但我没有找到具体方法。

Quang Hoang 的回答效果很好，如果你想扩展它，因为你想再按一列分组，比如说wheel_kind，你的数据框看起来像：

speed_observation,car_brand,wheel_kind,traction_force
10, ford, winter, 2
20, ford, summer, 4
35, seat, summer, 8
50, ford, winter, 16
10, audi, summer, 2
20, audi, summer, 5
43, audi, summer, 2
12, seat, summer, 2.5
10, ford, summer, 0.5
30, audi, summer, 6
23, ford, summer, 4
17, seat, summer, 5.5
10, seat, summer, 10
38, audi, summer, 2
40, ford, summer, 9
19, ford, summer, 6.6
49, seat, summer, 18
18, ford, summer, 4

然后将wheel_kind 列添加到之前的解决方案中，更准确地说：

(df.groupby(['car_brand', `wheel_kind`, cuts])
   .traction_force.mean()
   .reset_index(name='avg_traction_force')
)

之后不要忘记删除 NaN，因为 ford 和 audi 没有冬季车轮：

df_grp.dropna(inplace=True)
df_grp.reset_index(drop=True, inplace=True) #just to reset the index

【问题讨论】：

标签： python pandas dataframe pandas-groupby binning

【解决方案1】：

您可以将 speed_observation 剪切到所需的垃圾箱并按此分组：

cuts = pd.cut(df['speed_observation'], [0,25,50])

(df.groupby(['car_brand', cuts])
   .traction_force.mean()
   .reset_index(name='avg_traction_force')
)

输出：

  car_brand speed_observation  avg_traction_force
0      audi           (0, 25]            3.500000
1      audi          (25, 50]            3.333333
2      ford           (0, 25]            3.516667
3      ford          (25, 50]           12.500000
4      seat           (0, 25]            6.000000
5      seat          (25, 50]           13.000000

【讨论】：

太棒了！对于阅读本文的其他用户，我发现这做同样的事情，只是语法略有不同(df0.groupby(['car_brand', cuts]) .agg({'traction_force':'mean'}) .reset_index())

【解决方案2】：

我们可以创建一个系列以手动分组以替代pd.cut

n = 25

blocks = (df.speed_observation.sub(1) // n).add(1).mul(n)
blocks = blocks.rename('speed_bin_upper_lim') 

(df.groupby([blocks, 'car_brand'])
   .traction_force.mean()
   .reset_index(name='avrg_traction_force_in_speed_bin'))

   speed_bin_upper_lim car_brand  avrg_traction_force_in_speed_bin
0                   25      audi                          3.500000
1                   25      ford                          3.516667
2                   25      seat                          6.000000
3                   50      audi                          3.333333
4                   50      ford                         12.500000
5                   50      seat                         13.000000

详情

print(blocks)
0     25
1     25
2     50
3     50
4     25
5     25
6     50
7     25
8     25
9     50
10    25
11    25
12    25
13    50
14    50
15    25
16    50
17    25
Name: speed_bin_upper_lim, dtype: int64

【讨论】：