将数据插入分组的 DataFrame (pandas)

Question

我有一个按某些列分组的熊猫数据框。现在我想将四个相邻列的数值的平均值插入到一个新列中。这就是我所做的：

df = pd.read_csv(filename)
# in this line I extract a unique ID from the filename
id = re.search('(\w\w\w)', filename).group(1)

文件如下所示：

col1   | col2  | col3
-----------------------
str1a  | str1b | float1

我的想法现在如下：

# get the numeric values
df2 = pd.DataFrame(df.groupby(['col1', 'col2']).mean()['col3'].T
# insert the id into a new column
df2.insert(0, 'ID', id)

现在循环遍历所有

for j in range(len(df2.values)):
    for k in df['col1'].unique():
        df2.insert(j+5, (k, 'mean'), df2.values[j])

df2.to_excel('text.xlsx')

但我收到以下错误，指的是带有 df.insert 的行：

TypeError: not all arguments converted during string formatting

和

if not allow_duplicates and item in self.items:
    # Should this be a different kind of error??
    raise ValueError('cannot insert %s, already exists' % item)

我不确定这里指的是什么字符串格式，因为我只传递了数值。

最终输出应该在一行中包含来自 col3 的所有值（由 id 索引），并且每第五列应该是前面四个值的插入平均值。

Answer 1

如果我不得不处理像你这样的文件，我会编写一个函数来转换为 csv... 类似的东西：

data = []
for lineInFile in file.read().splitlines():
    lineInFile_splited = lineInFile.split('|')
    if len(lineInFile_splited)>1: ## get only data and not '-------'
        data.append(lineInFile_splited)
df = pandas.DataFrame(data, columns = ['A','B'])

希望对您有所帮助！