我有一个如下所示的数据框:
'Location' 'Dir' 'Set' 'H1' 'H2'
0 Chicago H1 4 *LIST* *LIST*
1 Houston H2 4 *LIST* *LIST*
2 Los Angeles H2 4 *LIST* *LIST*
3 Boston H1 0 *LIST* *LIST*
4 NYC H2 0 *LIST* *LIST*
5 Seattle H1 0 *LIST* *LIST*
所有列表项都是NNx1列表。
我想要的是获得每组的平均值(再次NNx1),这取决于' Dir'值。
例如,对于第4组,我希望他的意思是芝加哥H1,休斯顿H2和洛杉矶H2。另外,我也想要平均值+/- sigma。
例如,假设:
芝加哥H1是[4,8,10]
休斯顿H2是[8,4,12]
洛杉矶H2 [6,9,5]
我的意思是[6,7,9]
我认为.groupby方法很有用,但我不知道如何将条件性放在' Dir'列,以及要求列表的平均值。
有什么想法吗?
答案 0 :(得分:1)
您可以按照我在下面显示的方式获取过滤组的元素均值。需要一些中间步骤(重塑数据并将列表转换为numpy数组),但这些步骤应该产生所需的方法列表(或数组)。
# melt H1 and H2 columns into key-value columns
# this will make it easier to select either the H1 or H2 list
df = pd.melt(df, id_vars=['Location', 'Set', 'Dir'], \
value_vars=['H1', 'H2'], var_name="Target_Dir", value_name="Values")
# convert lists to numpy arrays
# in order to be able to specify the axis for the mean calculation
df.Values = df.Values.apply(np.array)
# filter df to your target Dirs, group by Set
# and calculate element-wise means
df[df['Dir'] == df['Target_Dir']].groupby('Set')['Values'].apply(lambda x: np.mean(x, axis=0))
答案 1 :(得分:0)
试试这个:
import pandas as pd
x = pd.DataFrame({'Location': ['Chicago','Houston','Los Angeles','Boston','NYC','Seattle'],
'Dir': ['H1','H2','H2','H1','H2','H1'],
'Set': [4,4,4,0,0,0],
'SetCopy': [4,4,4,0,0,0]})
mean = x.groupby(['Set','Dir']).mean()
sd = x.groupby(['Set','Dir']).std()
根据评论进行修改:
import pandas as pd
import numpy as np
import itertools
x = pd.DataFrame({'Location': ['Chicago','Houston','Los Angeles','Boston','NYC','Seattle'],
'Dir': ['H1','H2','H2','H1','H2','H1'],
'Set': [4,4,4,0,0,0],
'H1': [[4,8,10],[8,4,12],[6,9,5],[6,7,9],[0,0,0],[0,0,0]]})
mean = x.groupby(['Set','Dir']).H1.apply(
lambda x: list(x)).apply(
lambda x: np.mean(list(itertools.chain.from_iterable(x))))
sd = x.groupby(['Set','Dir']).H1.apply(
lambda x: list(x)).apply(
lambda x: np.std(list(itertools.chain.from_iterable(x))))