【问题标题】:Python Element-wise AVERAGEIF equivalent to ExcelPython Element-wise AVERAGEIF 等效于 Excel
【发布时间】:2018-05-24 12:58:46
【问题描述】:

我有一个2darray,对于每一行,我想在 colnumbers 中为相同的键计算行的average(在这种情况下,key1 和key2。这里是简单的表示我的问题,以下是预期的:

>>> df
Out[3]:
  key1 key2  number
0    a    c     100
1    b    d     200
2    a    a     150
3    a    a     200
>>> res
100
200
175 # (150+200)/2
175 # (150+200)/2

我知道根据[1] 和[2] 中的建议,在pandas 中有grouby 等聚合方法,但groupby 方法将提供唯一的聚合,而我打算将它们转换为每一行。

我目前的工作流程如下:

  1. 使用groupby('foo').mean() 获取聚合
  2. 然后,对于每一行,将该行的 key 映射到聚合。

例如:

>>> K = df.key1 + df.key2

>>> K
Out[4]:
0    ac
1    bd
2    aa
3    aa
dtype: object

>>> agg = df2.groupby(K).mean()

>>> agg
Out[5]:
    number
aa     175
ac     100
bd     200

>>> avgif = []
... agg = agg.squeeze() # groupby results shape in (n, 1)
... for k in K:
...     avgif.append(agg.at[K])

>>> avgif
Out[6]:
[100, 200, 175, 175]

这很好用,但我真正的问题是该行可能非常多,可能高达 200k。

因此,如果有人可以分享任何建议,我会很高兴。谢谢!

【问题讨论】:

    标签: python pandas aggregate


    【解决方案1】:

    我认为两栏都需要GroupBy.transform:

    df['new'] = df.groupby(['key1','key2'])['number'].transform('mean')
    print (df)
      key1 key2  number  new
    0    a    c     100  100
    1    b    d     200  200
    2    a    a     150  175
    3    a    a     200  175
    

    同样工作改变了您的解决方案,但建议在 _: 之间使用分隔符:

    K = df.key1 + '_' + df.key2
    df['new'] = df.groupby(K)['number'].transform('mean')
    

    【讨论】:

    • @izzatd - 很高兴能帮上忙!
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 2011-05-11
    • 1970-01-01
    • 2016-11-30
    • 2017-03-03
    • 2014-04-25
    • 2018-04-30
    • 1970-01-01
    相关资源
    最近更新 更多