计算组的平均值，同时保留对象类型的列

Posted 2023-03-11

【中文标题】计算组的平均值，同时保留对象类型的列

【英文标题】：calculate the mean of a group while keeping columns of type object

【发布时间】：2021-05-23 01:58:40

【问题描述】：

我有一个如下的数据框：

col1   col2 col3 col4   col5...
g1       x1   x2   x3     x4
g1       x5   x6   x7     x8
g2       y1   y2   y3     y4
g2       y5   y6   y7     y8
...

col1/col2 属于“object”类型，col3/col4/col5 属于“float”类型

我想先 groupby col1 然后计算 col3/col4/col5 的平均值，同时将 col2 保留在结果数据框中。通过“保持”，我只是指保持原样，甚至不计算平均值，这是不可能的，因为它是“对象”类型。每组col2每一行的实际值都是一样的，随便挑一个都行。

如果我这样天真地做：

df.groupby(["col1"]).mean().reset_index()

那么结果数据框将不会保留 col2，col2 消失了。也就是说，结果将如下所示：

col1           col3          col4          col5...
g1        (x2+y2)/2     (x3+y3)/2     (x4+y4)/2
g2        (x6+y6)/2     (x7+x8)/2     (x8+y8)/2

如何在保持 col2 不变的情况下计算 col3/col4/col5 的平均值？

【问题讨论】：

你怎么能“保留”col2？每一行都有不同的值，你会选择哪一个？

如果你想保留col2df.assign(**df.groupby("col1")['col3','col4','col5'].transform('mean'))的所有行，你可能需要转换

@Nick，“保持”我的意思是只保留每一行的值，不做任何修改

您的原始数据框有多行 g1、g2 等，但输出只有 1。那么您如何确定输出行中的值是什么？

如果 col2 对于每个 col1 值都相同，您也可以按其分组

【参考方案1】：

有很多方法可以选择“col2”的值

根据需要生成平均值 将包加入要保留的列，选择第一个

s = 20
df = pd.DataFrame("col1":np.random.choice(["g1","g2","g3"],s),
             "col2":np.random.choice(["constant"],s),
             **f"coli+3":np.random.randint(1,10,s) for i in range(3))

df.groupby("col1").mean().join(df.groupby(["col1"])["col2"].first() ).reset_index(drop=True)

	col3	col4	col5	col2
0	5.875	6.75	6.75	constant
1	7	5.33333	6	constant
2	4.77778	4.88889	3.66667	constant