查找具有匹配列名的列的平均值

Posted 2023-03-11

【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。

【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。