Pandas 数据框:按两列分组,然后对另一列进行平均

Posted

技术标签:

【中文标题】Pandas 数据框:按两列分组,然后对另一列进行平均【英文标题】:Pandas dataframe: Group by two columns and then average over another column 【发布时间】:2016-06-05 21:00:49 【问题描述】:

假设我有一个具有以下值的数据框:

df:
col1    col2    value
1       2       3
1       2       1
2       3       1

我想首先根据前两列(col1 和 col2)对我的数据框进行分组,然后对第三列的值(值)进行平均。所以想要的输出应该是这样的:

col1    col2    avg-value
1       2       2
2       3       1

我正在使用以下代码:

columns = ['col1','col2','avg']
df = pd.DataFrame(columns=columns)
df.loc[0] = [1,2,3]
df.loc[1] = [1,3,3]
print(df[['col1','col2','avg']].groupby('col1','col2').mean())

得到以下错误:

ValueError: No axis named col2 for object type <class 'pandas.core.frame.DataFrame'>

任何帮助将不胜感激。

【问题讨论】:

【参考方案1】:

如果你想按多列分组,你应该把它们放在一个列表中:

columns = ['col1','col2','value']
df = pd.DataFrame(columns=columns)
df.loc[0] = [1,2,3]
df.loc[1] = [1,3,3]
df.loc[2] = [2,3,1]
print(df.groupby(['col1','col2']).mean())

或者稍微冗长一些,以便在聚合数据框中获取“平均”一词:

import numpy as np
columns = ['col1','col2','value']
df = pd.DataFrame(columns=columns)
df.loc[0] = [1,2,3]
df.loc[1] = [1,3,3]
df.loc[2] = [2,3,1]
print(df.groupby(['col1','col2']).agg('value': 'avg': np.mean))

【讨论】:

这与我的回答有何不同? 不用担心,但最好不要发布重复的答案,除非有真正的区别【参考方案2】:

您需要将列列表传递给 groupby,您传递的内容被解释为 axis 参数,这就是它引发错误的原因:

In [30]:
columns = ['col1','col2','avg']
df = pd.DataFrame(columns=columns)
df.loc[0] = [1,2,3]
df.loc[1] = [1,3,3]

print(df[['col1','col2','avg']].groupby(['col1','col2']).mean())
           avg
col1 col2     
1    2       3
     3       3

【讨论】:

以上是关于Pandas 数据框:按两列分组,然后对另一列进行平均的主要内容,如果未能解决你的问题,请参考以下文章

Pandas:按两列分组,将第一列组中的第一个值相加

Pyspark数据框:对一列求和,同时对另一列进行分组

将熊猫数据框按两列分组而不汇总

在按两列分组时选择最大值,并在另一列上排序

如何按一列分组并对另一列的值进行排序?

按两列分组并计算 Pandas 中每个组合的出现次数