Question

我有DataFrame这样的列：

["A_1", "A_2", "A_3", "B_1", "B_2", "B_3"]

我想要做的是＆＃34;崩溃＆＃34;通过计算它们的平均值，每个单独的列中的各个A和B列。简而言之，在操作结束时，我得到：

["A", "B"]

其中＆＃34; A＆＃34;是所有＆＃34; A＆＃34;的列式均值。列和＆＃34; B＆＃34;所有＆＃34; B＆＃34;的平均值列。

据我所知，groupby不适合这项任务，或者我可能错误地使用它：

grouped = data.groupby([item for item in data if "A" not in item])

如果我使用axis = 1，那么当调用mean（）时，我得到的只是一个空的DataFrame，如果不是，我没有得到所需的效果。我想避免构建一个单独的DataFrame来通过迭代填充方法（例如，通过单独计算方法然后像new_df["A"] = mean_a一样添加它们）。对此有一个有效的解决方案吗？

Answer 1

您希望使用接受mean()参数的内置axis函数来指定逐行方式。由于您了解了所需的不同方法的特定列名约定，因此您可以使用下面的示例代码非常有效地执行此操作。在这里，我选择只添加两列而不是实际销毁现有数据。我也可以把这些新列放到一个新的数据框中;这取决于您的需求和方便您的需求。在任何一种情况下，相同的基本思想都适用。

In [1]: import pandas

In [2]: dfrm = pandas.DataFrame([[1,2,3,4,5,6],[7,8,9,10,11,12],[13,14,15,16,17,18]], columns = ['A_1', 'A_2', 'A_3', 'B_1', 'B_2', 'B_3'])

In [3]: dfrm
Out[3]: 
   A_1  A_2  A_3  B_1  B_2  B_3
0    1    2    3    4    5    6
1    7    8    9   10   11   12
2   13   14   15   16   17   18

In [4]: dfrm["A_mean"] = dfrm[[elem for elem in dfrm.columns if elem[0]=='A']].mean(axis=1)

In [5]: dfrm
Out[5]: 
   A_1  A_2  A_3  B_1  B_2  B_3  A_mean
0    1    2    3    4    5    6       2
1    7    8    9   10   11   12       8
2   13   14   15   16   17   18      14

In [6]: dfrm["B_mean"] = dfrm[[elem for elem in dfrm.columns if elem[0]=='B']].mean(axis=1)

In [7]: dfrm
Out[7]: 
   A_1  A_2  A_3  B_1  B_2  B_3  A_mean  B_mean
0    1    2    3    4    5    6       2       5
1    7    8    9   10   11   12       8      11
2   13   14   15   16   17   18      14      17

Answer 2

我不知道有效率，但我可能会这样做：

~/coding$ cat colgroup.dat
A_1,A_2,A_3,B_1,B_2,B_3
1,2,3,4,5,6
7,8,9,10,11,12
13,14,15,16,17,18
~/coding$ python
Python 2.7.3 (default, Apr 20 2012, 22:44:07) 
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import pandas
>>> df = pandas.read_csv("colgroup.dat")
>>> df
   A_1  A_2  A_3  B_1  B_2  B_3
0    1    2    3    4    5    6
1    7    8    9   10   11   12
2   13   14   15   16   17   18
>>> grouped = df.groupby(lambda x: x[0], axis=1)
>>> for i, group in grouped:
...     print i, group
... 
A    A_1  A_2  A_3
0    1    2    3
1    7    8    9
2   13   14   15
B    B_1  B_2  B_3
0    4    5    6
1   10   11   12
2   16   17   18
>>> grouped.mean()
key_0   A   B
0       2   5
1       8  11
2      14  17

我认为lambda x: x.split('_')[0]会更健壮。

最有效的方法来计算pandas DataFrame中一组列的平均值

2 个答案: