数据框列的平均值

Question

我想获得多年来每个国家的平均GDP，列2006、2007 ... 2015包含GDP数量...我的代码返回一个错误，该错误意味着mean（axis = 1）至少需要1个变量，并且已为其分配1 ...这很奇怪。.我也发现我们使用均值而不是avg很奇怪，但是无法找到groupby的avg函数

这是我的代码

    Top15 = ANSWER
    Top15 = Top15[['Country', '2006', '2007', '2008', '2009', '2010', 
    '2011', '2012', '2013', '2014', '2015']]
    return Top15.groupby('Country').agg({"avg": np.mean(axis=1)})

Answer 1

在这里不需要

GroupBy，因为您正在执行计算而不是聚合。您可以只使用pd.DataFrame.mean。这是一个最小的示例：

df = pd.DataFrame({'Country': ['UK', 'US'],
                   '2006': [1, 2],
                   '2007': [3, 4],
                   '2008': [5, 6]})

df['mean'] = df[['2006', '2007', '2008']].mean(1)

print(df)

   2006  2007  2008 Country  mean
0     1     3     5      UK   3.0
1     2     4     6      US   4.0

Answer 2

使用mean（）

Top15 = ANSWER
Top15 = Top15[['Country', '2006', '2007', '2008', '2009', '2010', '2011', '2012', '2013', '2014', '2015']]    
return Top15.groupby('Country').mean()

Answer 3

您的代码有多个问题：

1. .agg和字典将输入列映射到聚合类型，例如.agg({'2016': 'mean'})
2. np.mean(axis=1)尝试评估某些内容，但您未提供输入。 .agg({'2016': lambda x: np.mean(x)})可以工作
3. 最简单的方法是Top15.groupby('Country').mean()（将其读为“按国家/地区分组，并为每个分组计算平均值（avg）”）