Question

以下代码

test_df['Started'] = pd.to_datetime(test_df['Started'])
test_df['day count'] = test_df['Started'].apply(lambda x: x.strftime('%A'))
test_day_count = test_df['day count'].value_counts()
print(test_day_count)

返回

Thursday     25
Friday       19
Saturday     13

这些值是当天开始的测试次数。我想找到一周中每一天的mean（）测试分数。

我尝试将平均值添加到第三行以及等级位于[]

中的列的名称

test_df['Started'] = pd.to_datetime(test_df['Started'])
test_df['day count'] = test_df['Started'].apply(lambda x:x.strftime('%A'))
test_day_count = test_df['day count'].value_counts().mean(test_df['marks'])
print(test_day_count)

我收到错误 TypeError：'Series'对象是可变的，因此它们不能被散列

Answer 1

将strftime('%A')用作groupby参数：

icma_df.marks.groupby(icma_df['Started'].dt.strftime('%A')).mean()

演示

icma_df = pd.DataFrame(dict(marks=np.random.rand(100),
                            Started=pd.date_range('2012-12-31', periods=100, freq='B')))

icma_df.marks.groupby(icma_df['Started'].dt.strftime('%A')).mean()

正如@root所指出的，这也有效，看起来更好，可能更快

icma_df.marks.groupby(icma_df['Started'].dt.weekday_name).mean()

Started
Friday       0.428581
Monday       0.443394
Thursday     0.485658
Tuesday      0.325027
Wednesday    0.506592
Name: marks, dtype: float64

如何根据星期几找到平均值

1 个答案: