使用整个数据框对值进行分组操作

Question

我有2个这样的数据框...

np.random.seed(0)
a = pd.DataFrame(np.random.randn(20,3))
b = pd.DataFrame(np.random.randint(1,5,size=(20,3)))

我想在a中找到4个组的b中的平均值。

这个...

a[b==1].sum().sum() / a[b==1].count().sum()

...一次只能做一个小组，但我想知道是否有人能想到一种更清洁的方法。

我的预期结果是

1   -0.088715
2   -0.340043
3   -0.045596
4    0.582136
dtype: float64

谢谢。

Answer 1

您可以先stack然后groupby两个Series

a.stack().groupby(b.stack()).mean()

Answer 2

如果您想要快速的numpy解决方案，请使用np.unique和np.bincount：

c, d = (a_.to_numpy().ravel() for a_ in [a, b]) 
u, i, cnt = np.unique(d, return_inverse=True, return_counts=True)

np.bincount(i, c) / cnt
# array([-0.0887145 , -0.34004319, -0.04559595,  0.58213553])

要构建系列，请使用

pd.Series(np.bincount(i, c) / cnt, index=u)

1   -0.088715
2   -0.340043
3   -0.045596
4    0.582136
dtype: float64

为了比较，stack返回，

a.stack().groupby(b.stack()).mean()

1   -0.088715
2   -0.340043
3   -0.045596
4    0.582136
dtype: float64

---

%timeit a.stack().groupby(b.stack()).mean()
%%timeit
c, d = (a_.to_numpy().ravel() for a_ in [a, b]) 
u, i, cnt = np.unique(d, return_inverse=True, return_counts=True)
np.bincount(i, c) / cnt

5.16 ms ± 305 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
113 µs ± 1.92 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)