对 pandas DataFrame 中特定行的简单计算答案

【问题标题】：Simple calculations on specific rows in pandas DataFrame对 pandas DataFrame 中特定行的简单计算
【发布时间】：2020-06-18 04:11:44
【问题描述】：

假设我有以下数据：

from pandas import DataFrame

boxes = {'Students': ['Alice','Alice','Alice','Bob','Bob','Red','Red','Red','Red'],
         'Subjects': ['Math','History','Economics','Economics','Math','Sociology','Ethics','History','Economics'],
         'Grade': [100,75,85,95,100,85,75,78,82]
        }

df = DataFrame(boxes, columns= ['Students','Subjects','Grade'])

我想知道Alice 和Red 各自的平均成绩和上课次数：

所以我想要的输出是

          GPA      Count
Students        
Alice     86.67    3
Red       80.00    4

是否有任何内置的 pandas 函数可以执行这些操作？我意识到以下代码

g = df.groupby('Students')['Grade']
df1 = pd.concat([g.mean().round(2), g.count()], axis=1)
df1.columns = ['GPA', 'Count']

将为所有学生找到我想要的，但我希望能够为特定学生找到这些。

【问题讨论】：

标签： python python-3.x pandas group-by pandas-groupby

【解决方案1】：

您可以在此处使用named aggregation。

df.groupby('Students').agg(GPA = ('Grade','mean'),
                           Count = ('Grade','count'))

                GPA  Count
Students
Alice     86.666667      3
Bob       97.500000      2
Red       80.000000      4

要仅获取 Alice 和 Red 的值，请使用 boolean indexing 和 groupby 创建掩码

mask = df.Students.str.contains(r'\bAlice\b|\bRed\b') 
#or
# mask = (df.Students =='Alice') | (df.Students=='Red')

df[mask].groupby('Students').agg(GPA = ('Grade','mean'),
                           Count = ('Grade','count'))

                GPA  Count
Students
Alice     86.666667      3
Red       80.000000      4

或者像@jezrael 建议的那样，您可以在这里使用pd.Series.isin。

mask = df.Students.isin(['Alice', 'Red'])
df[mask].groupby('Students').agg(GPA = ('Grade','mean'),
                           Count = ('Grade','count'))

创建布尔掩码的Timeit结果
- isin 每个循环 111 µs ± 6.67 µs（平均值 ± 标准偏差，7 次运行，每次 10000 次循环）
- .str.contains 146 µs ± 3.75 µs 每个循环（平均值 ± 标准偏差。7 次运行，每次 10000 次循环）
  - 关于使用的正则表达式的详细信息here in regex101.
- boolean mask chaining 每个循环 261 µs ± 8.22 µs（平均值 ± 标准偏差，7 次运行，每次 1000 个循环）

【讨论】：