用数据框中的组平均值替换列值

Question

我有一个DataFrame作为

sizeof(int)

我必须用组的均值替换y列。我可以使用此代码在一个列中进行分组。

ptr

我正在尝试通过“ Page”和“ Line”的组替换y的值。像这样的东西

Page    Line    y
1        2      3.2
1        2      6.1
1        3      7.1
2        4      8.5
2        4      9.1

我在该网站上搜索了很多答案，但找不到此应用程序。将python3与pandas一起使用。

Answer 1

您需要列名列表，groupby参数by：

  

依据：映射，功能，标签或标签列表

     

用于确定分组依据的分组。如果by是函数，则会在对象索引的每个值上调用它。如果传递了dict或Series，则将使用Series或dict VALUES来确定组（将Series的值首先对齐；请参见.align（）方法）。如果传递了ndarray，则按原样使用这些值来确定组。标签或标签列表可以按自身中的列传递给分组。注意，元组被解释为（单个）键。

df['y'] = df.groupby(['Page', 'Line'])['y'].transform('mean') 
print (df)
   Page  Line     y
0     1     2  4.65
1     1     2  4.65
2     1     3  7.10
3     2     4  8.80
4     2     4  8.80

您的解决方案应更改为这种语法糖-通过列表中的系列：

df['y'] = df['y'].groupby([df['Page'], df['Line']]).transform('mean') 

Answer 2

所以你想要这个：

df['y'] = df.groupby(['Page', 'Line']).transform('mean')

Answer 3

@jezrael's approach是习惯用法。使用这种方法！

np.bincount和pd.factorize

这应该很快。但是，这是针对特定问题的专门解决方案，如果要一概而论，效果不好。另外，如果您需要处理np.nan，则必须采用更多的逻辑。

f, u = pd.factorize(list(zip(df.Page, df.Line)))
df.assign(y=(np.bincount(f, df.y) / np.bincount(f))[f])

   Page  Line     y
0     1     2  4.65
1     1     2  4.65
2     1     3  7.10
3     2     4  8.80
4     2     4  8.80

这是在做什么：

• pd.factorize标识组
• np.bincount(f)正在计算每个组中有多少项
• np.bincount(f, df.y)对每个组中的列y的值求和
• (np.bincount(f, df.y) / np.bincount(f))找到平均值
• (np.bincount(f, df.y) / np.bincount(f))[f]切片呈现与原始数组相同的长度

---

set_index和map

这是我的愚蠢。不要使用这个。

cols = ['Page', 'Line']
df.assign(y=df.set_index(cols).index.map(df.groupby(cols).y.mean()))

   Page  Line     y
0     1     2  4.65
1     1     2  4.65
2     1     3  7.10
3     2     4  8.80
4     2     4  8.80

• 使用groupby（不使用transform）来获取tuple-> mean
的映射
• 使用set_index作为使熊猫产生元组的便捷方法
• Index对象具有一种map方法，因此我们将使用该方法