数据框按一列分组并平均一列，同时发现大多数发生在另一列答案

【问题标题】：dataframe groupby one column and average one column while finding most occuring in another数据框按一列分组并平均一列，同时发现大多数发生在另一列
【发布时间】：2019-03-29 13:11:07
【问题描述】：

我有一个 pandas 数据框，我想按一列分组，同时平均一列并在另一列中找到最常出现的值

我能够做到，但我认为有一种简洁的方法可以做到这一点，而不是 4 行代码

import pandas as pd
df = pd.DataFrame({'Country' : ['USA', 'USA', 'Russia','USA', 'Russia', 'Russia'], 'City' : ['New-York', 'New-York', 'Sankt-Petersburg', 'Chicago', 'Moscow', 'Moscow'], 'Flights' : [22, 45, 32, 16, 31, 25]})
w=df.groupby('Country').mean().round(decimals=2)
x=(df.groupby('Country')['City'].agg(pd.Series.mode))
y=x.to_frame()
z = pd.concat([w, y], axis=1 ,join='outer')

Country   Flights   City

Russia    29.33         Moscow

USA       27.67         New-York

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

将GroupBy.agg 与 lambda 函数一起使用，对于模式也可以添加 Series.iat 以选择第一个值，因为 mode 应该返回更多值：

z = df.groupby('Country').agg({'Flights': lambda x: round(x.mean(), 2), 
                               'City': lambda x: x.mode().iat[0]})
print (z)
         Flights      City
Country                   
Russia     29.33    Moscow
USA        27.67  New-York

z = df.groupby('Country', as_index=False).agg({'Flights': lambda x: round(x.mean(),2), 
                                               'City': lambda x: x.mode().iat[0]})
print (z)

  Country  Flights      City
0  Russia    29.33    Moscow
1     USA    27.67  New-York

【讨论】：