熊猫-通过迭代过滤器计算平均值

Question

我有一个具有以下结构的数据框

Goals   Team       Day
1     Madrid     monday  
3     Madrid     friday
3     Man U      monday
2     Man u      sunday
etc    etc       etc

所以我有一个包含数百个团队，一周中的几天和目标的数据的数据框。

我想做的是创建一个数据框，其中包含团队和日期之间每种可能组合的平均值，例如：

Team     Day     Average
Madrid   monday    5.6
Madrid   tuesday   6.7
Madrid   tuesday   4.3
Madrid   wednesday 3.5
Madrid   thursday  4.3
Madrid   friday    3.9
Madrid   saturday  9.8
Madrid   sunday    3.4
Man U    monday    4.5
Man U    tuesday   4.2
...       ...      ...
etc       etc      etc

如何使用pandas和numpy做到这一点？

我想我必须使用循环，但是我不知道该怎么做。

Answer 1

设置

np.random.seed([3, 1415])

teams = ['Madrid', 'Man U']
days = 'mon tue wed thu fri sat sun'.split()
df = pd.DataFrame(dict(
    Team=np.random.choice(teams, 15),
    Day=np.random.choice(days, 15),
    Goals=np.random.randint(10, size=15)
))

---

groupby

df.groupby(
    ['Team', 'Day'], 
    as_index=False
).mean().rename(columns=dict(Goals='Average'))

     Team  Day  Average
0  Madrid  fri     8.00
1  Madrid  mon     3.75
2   Man U  mon     7.00
3   Man U  sat     5.00
4   Man U  sun     5.00
5   Man U  thu     7.00
6   Man U  tue     8.00
7   Man U  wed     4.00

---

说明

1. 我希望groupby能自我解释
2. as_index=False告诉groupby不要将分组的列放入结果的索引中。它使我不必去reset_index
3. mean()取平均值
4. rename(columns=dict(Goals='Average'))只是为了获得所需的列名而做的整理工作。我将字典传递给columns方法的rename参数。

---

回复评论

  

Pandas如何知道要计算平均值的哪一列？例如，如果我有两列带有数值的列，而我只想取其中一列的平均值，就会发生这种情况。我该如何告诉熊猫？

通过选择groupby

之后的列，您可以更明确地确定要平均的列

df.groupby(
    ['Team', 'Day'], 
    as_index=False
).Goals.mean().rename(columns=dict(Goals='Average'))

否则，Pandas将尝试对所有未分组的列求平均值。