我有一个数据框，其中99列来自dx1-dx99，一列为LOS。 dxi列包含分类代码，它们没有任何顺序。代码可以出现在一行中的任何列中。代码可以在列中重复，但不会连续重复：
dx1 dx2 dx3 . dx99 los
E10 I12 0 N18 R18 12
E10 I12 I31 E44 N17 7
E10 I12 N17 T86 0 5
I12 E10 N18 A04 1
E10 I12 B10 N18 Z99 4
E10 N18 Z76 1
E10 N18 Z99 N25 E78 8
我想计算数据框中每个代码的LOS平均值。我发现的只是我可以在多列上应用groupby（）函数。但这并没有给我预期的结果。我需要这种格式的结果：
Codes mean-LOS
E10 5.42
I12 7.6
N18 5.2
.
.
etc.
答案 0 :(得分：1)
您可以使用DataFrame.melt重新塑造groupby并汇总mean：
df = df.melt('los', value_name='Codes')
#older version of pandas < 0.20.0
#df = pd.melt(df, 'los', value_name='Codes')
df = df.groupby('Codes', as_index=False)['los'].mean()
print (df)
Codes los
0 0 8.500000
1 A04 1.000000
2 B10 4.000000
3 E10 5.428571
4 E44 7.000000
5 E78 8.000000
6 I12 5.800000
7 I31 7.000000
8 N17 6.000000
9 N18 5.200000
10 N25 8.000000
11 R18 12.000000
12 T86 5.000000
13 Z76 1.000000
14 Z99 6.000000
如果需要重命名列：
df = df.melt('los', value_name='Codes')
df = df.groupby('Codes')['los'].mean().reset_index(name='mean-LOS')
print (df)
Codes mean-LOS
0 0 8.500000
1 A04 1.000000
2 B10 4.000000
3 E10 5.428571
4 E44 7.000000
5 E78 8.000000
6 I12 5.800000
7 I31 7.000000
8 N17 6.000000
9 N18 5.200000
10 N25 8.000000
11 R18 12.000000
12 T86 5.000000
13 Z76 1.000000
14 Z99 6.000000