如何计算另一组的平均值？

Posted 2023-03-11

【中文标题】如何计算另一组的平均值？

【英文标题】：How to calculate mean in group by another group?

【发布时间】：2021-12-16 14:49:04

【问题描述】：

我有一个数据框：

    date                    id       type        revenue
0 2021-09-01                Zw        b1         20.045350
1 2021-09-01                Aw        c          8.990000
2 2021-09-01                Zc        c          14.990000
3 2021-09-01                ww        b          25.944510
4 2021-09-01                jw        c          3.881649
5 2021-09-01                pw        b          9.990000
6 2021-09-01                fg        c          2.990000
7 2021-09-01                kl        b          4.990000
8 2021-09-02                mm        b          7.990000

我想计算每种类型的平均收入，但不是在类型组中，而是在日期组中。因此，例如平均类型“b1”必须不是 20.045350（因为只有一种 b1 类型），而是 20.045350/8 = 2.5（因为日期列中有 8 个 2021-09-01 值）。所以期望的结果必须是：

    date                    type      revenue
0 2021-09-01                b1        2.5
0 2021-09-01                c         3.85
0 2021-09-01                b         5.11
0 2021-09-02                b         7.990000

如何做到这一点？ groupby("date", "type").mean() 带来错误结果：

    date                    type      revenue
0 2021-09-01                b1        20.045
0 2021-09-01                c         7.71
0 2021-09-01                b         13.64
0 2021-09-02                b         7.990000

【问题讨论】：

第二个3.85怎么样？你能解释一下吗？你能解释一下5.11吗？

@Onyambu 3.85 来自 (8.99+14.99+3.88+2.99)/8 。 8 是日期组 2021-09-01 中的行数

df.groupby('date')['id'].count().reset_index().rename('id':'count', axis = 1).merge(df).pipe(lambda x: x.assign(revenue = x.revenue/x['count'])).groupby(['date','type']).agg('revenue':sum).reset_index()

@Onyambu 它没有计算 2021-09-02 组的结果

我发布了分析器。它确实计算了 2021-09-02 的结果。我不知道你想表达什么意思。检查我发布的答案

【参考方案1】：

df1 = df.groupby('date')['id'].count().reset_index().\
             rename('id':'count', axis = 1).merge(df)

df2 = df1.assign(revenue = df1.revenue/df1['count']).groupby(['date','type']).\
            agg('revenue':sum).reset_index()

df2 
         date type   revenue
0  2021-09-01    b  5.115564
1  2021-09-01   b1  2.505669
2  2021-09-01    c  3.856456
3  2021-09-02    b  7.990000

---

一个奇特的方法是：

df.groupby('date')['id'].count().reset_index().rename('id':'count', axis = 1).merge(df).\
   pipe(lambda x: x.assign(revenue = x.revenue/x['count'])).groupby(['date','type']).\
   agg('revenue':sum).reset_index()

【参考方案2】：

做一个双重分组并划分它们：

(df.groupby(['type', 'date'])
   .revenue
   .sum()
   .div(df.date.value_counts(), level='date')
)
type  date
b     2021-09-01    5.115564
      2021-09-02    7.990000
b1    2021-09-01    2.505669
c     2021-09-01    3.856456
dtype: float64

解释：

获取日期的计数：

counts = df.date.value_counts()

根据type 和date 获取收入的总和：

revenue_sum =  df.groupby(['type', 'date']).revenue.sum()

使用date 级别将revenue_sum 除以counts：

revenue_sum.div(counts, level='date')

type  date
b     2021-09-01    5.115564
      2021-09-02    7.990000
b1    2021-09-01    2.505669
c     2021-09-01    3.856456
dtype: float64