Question

我有一个包含4列的DataFrame（df）：Age，Request_ID，Gender和Type。我的价值观如下：

Age  Request_ID  Gender Type  
 20           1  M      A  
 28           2  F      B  
 30           1  M      C  
 50           7  M      A  
 19          20  F      B

现在我想根据性别和类型以及新数据框中每个性别和类型的不同Request_ID（比例）得到平均年龄。
例如，预期的结果将是：

Gender Type Average_Age Sum_Req_IDs  
F      A           24.5          50  
M      A             40          23  
F      B           23.7         100  
M      B           35.3         200  
F      C           29.1          30  
M      C           30.4          98

到目前为止我的代码是：

df.groupby(['Gender','Type'],as_index = False)['Age'].mean()

但这只返回平均年龄你能帮我完成一下吗？

Answer 1

Age汇总列mean和agg列nunique需要droplevel {/ 3}}：

Request_ID

另一种可能的解决方案是df = df.groupby(['Gender','Type'],as_index=False).agg({'Age':'mean', 'Request_ID':'nunique'}) #if necessary rename columns df = df.rename(columns={'Age':'Average_Age','Request_ID':'Sum_Req_IDs'}) print (df) Gender Type Sum_Req_IDs Average_Age 0 F B 2 23.5 1 M A 2 35.0 2 M C 1 30.0使用nested dict - aggregation中的输出为MultiIndex，其中必须按Classic Java - Project Properties删除顶级：

columns

编辑：

对我来说有点不清楚df = df.groupby(['Gender','Type']).agg({'Age':{'Average_Age': 'mean'}, 'Request_ID':{'Sum_Req_IDs':'nunique'}}) df.columns = df.columns.droplevel(0) df = df.reset_index() print (df) Gender Type Sum_Req_IDs Average_Age 0 F B 2 23.5 1 M A 2 35.0 2 M C 1 30.0是否正确聚合，因此更改数据以获得更好的样本：

Request_ID

获取数据框的列相对于其他两列的平均值和比例

1 个答案: