查找具有匹配列名的列的平均值
Posted
技术标签:
【中文标题】查找具有匹配列名的列的平均值【英文标题】:Find the mean of columns with matching column names 【发布时间】:2020-10-16 09:01:51 【问题描述】:我有一个类似于以下但有数千行和列的数据框:
x y ghb_00hr_rep1 ghb_00hr_rep2 ghb_00hr_rep3 ghl_06hr_rep1 ghl_06hr_rep2
x y 2 3 2 1 3
x y 5 7 6 2 1
我希望我的输出如下所示:
ghb_00hr hl_06hr
2.3 2
6 1.5
我的目标是找到匹配列的平均值。我想出了这个:temp = df.groupby(name, axis=1).agg('mean')
但我不确定如何将“名称”定义为匹配列。
我之前的策略如下:
name = pd.Series(['_'.join(i.split('_')[:-1])
for i in df.columns[3:]],
index = df.columns[3:]
)
temp = df.groupby(name, axis=1).agg('mean')
avg = pd.concat([df.iloc[:, :3], temp],
axis=1
)
但是,“复制”的数量范围为 1-4,因此不能按索引位置分组。
不确定是否有更好的方法来做到这一点,或者我是否走在正确的轨道上。
【问题讨论】:
您的数据中有name, x, y
普通列吗?另外你的预期输出是什么?
name, x, y 是列,但我不想对它们执行任何操作。我希望平均文件的输出如下所示:我会将所需的输出添加到问题中,因为它在评论中的格式不正确并删除第一列,因为它们不相关,我可以轻松合并这些列使用我创建的临时 df。
【参考方案1】:
您可以将df.columns
转换为设置然后迭代:
df = pd.DataFrame([[1, 2, 3, 4, 5, 6]], columns=['a', 'a', 'a', 'b', 'b', 'b'])
for column in set(df.columns):
print(column, df[common_name].mean(axis=1))
将输出
a 0 2.0
dtype: float64
b 0 5.0
dtype: float64
如果订单很重要,请使用sorted
:
for column in sorted(set(df.columns)):
从这里你可以得到几乎任何你想要的格式的输出。
【讨论】:
【参考方案2】:一个选项是分组level=0
:
(df.set_index(['name','x','y'])
.groupby(level=0, axis=1)
.mean().reset_index()
)
输出:
name x y ghb_00hr ghl_06hr
0 gene1 x y 2.333333 2.0
1 gene2 x y 6.000000 1.5
更新:对于修改后的问题:
d = df.filter(like='gh')
# or d = df.iloc[:, 2:]
# depending on your columns of interest
names = d.columns.str.rsplit('_', n=1).str[0]
d.groupby(names, axis=1).mean()
输出:
ghb_00hr ghl_06hr
0 2.333333 2.0
1 6.000000 1.5
【讨论】:
问题比我想象的要复杂一些,因为整个列名不是完全匹配的。我相应地编辑了帖子,并列出了当我认为每列只有 3 个代表时我使用的内容。有没有类似于这种方法的解决方案可行? 谢谢!你能解释一下d = df.filter
在做什么吗?
提取所有包含gh
的列。修改该行,根据您的内心内容进行评论。
太棒了。下面使用 iloc 的行也在做同样的事情,但使用索引而不是名称?
是的,通过列的数字索引而不是名称。以上是关于查找具有匹配列名的列的平均值的主要内容,如果未能解决你的问题,请参考以下文章
尝试使用 MySQL 创建具有同一表中另一列的季节至今平均值的列