Question

[编辑：底部的重写问题]

我试图弄清楚如何计算“部分列”平均值和计数，而不是使用所有值。在伪SQL中，我想要SELECT的所有值WHERE id = 10，然后= 20，依此类推。我假设有一种pythonic（pandastic？）方式可以做到这一点，而无需使用for循环。

示例：df具有3列和数千行：case，id和value。大小写是唯一的，id可以重复，值是数字。

case    id  value
1       10  100
2       10  500
3       20  200
4       20  150
5       20  125

我想对每个id的值进行计数并计算其平均值，然后将它们放在新的列中。。

case    id  value   n_vals  av_val
1       10  100     2       300
2       10  500
3       20  300     3       200
4       20  150
5       20  150

。。。然后删除case和value并为每个ID仅保留一行（它们现在是唯一的）：

id  n_vals  av_val
10  2       300
20  3       200

我知道如何为整个列找到len和mean，但是不确定如何为部分列找到它。

[重写问题]：

我有7个变量的20000265 obs df。 case是唯一的，Id可以重复。：

case        Id      title           n_words n_chars rating  rating2
20000260    131258  The Pirates     2       11      2.5     2.5
20000261    131258  The Pirates     2       11      3.5     3.5
20000262    131258  The Pirates     2       11      4.5     4.5
20000263    131260  Rentun Ruusu    2       12      3       3
20000264    131260  Rentun Ruusu    2       12      5       5
20000265    131262  Innocence       1       9       4       4

我想计算每个Id的评级数量和平均评级。这些值将以n_ratings和av_rating的形式添加到df中，从而替换rating和rating2，并为每个Id汇总在一行上。我想保留所有其他列，生成如下内容：

case        Id      title           n_words n_chars n_ratings   av_rating
20000260    131258  The Pirates     2       11      3           3.5
20000263    131260  Rentun Ruusu    2       12      2           4
20000265    131262  Innocence       1       9       1           4

基于下面@ U9_Forward的回答，我已经尝试过：

df = 
    (df.
        groupby('Id', as_index = False).
        agg({'rating':'count', 'rating2':'mean'}).
        # rename(columns = {'rating':'n_ratings', 'rating2':'av_rating'}))
        rename(columns = {'Id':'Id', 'title':'title',
                      'num_words':'num_words', 'num_chars':'num_chars',
                      'rating':'n_ratings', 'rating2':'av_rating'}, axis=1))

但是，这仅保留了Id管道中使用的3列（n_ratings，av_rating，groupby().agg()），例如：

0   1   49695       3.921240
1   2   22243       3.211977
2   3   12735       3.151040

我尝试将所有列名都包含在rename()字典中，但是得到了相同的结果。

两个问题：

是否有agg()的参数或实现此目标的另一种方法理想的结果？
我在Jupyter获得了FutureWarning，并已阅读不建议使用带有rename()的字典，否则很快就会使用。什么是重命名cols的新首选方法？

Answer 1

将groupby与agg和rename一起使用：

print(df.groupby('id',as_index=False).agg({'case':'count','value':'mean'}).rename({'case':'n_vals','value':'av_val'},axis=1))

输出为：

   id  n_vals  av_val
0  10       2     300
1  20       3     200

编辑：

df[['n_ratings','av_rating']]=df[['Id','title']].join(df.groupby(['Id','title']).agg({'rating':'count','rating2':'mean'}), on=['Id','title'])[['rating','rating2']]
print(df.drop_duplicates(keep='last',subset='Id'))

Answer 2

import pandas as pd
df = pd.DataFrame.from_dict({'case': [1,2,3,4,6],
                             'id': [10,10,20,20,20],
                             'value':[100,500,300,150,150],
                             })

df['n_vals'] = df.groupby(['id'])['id'].transform('count')
df['av_val'] = df.groupby(['id'])['value'].transform('mean')

print (df)
#   case  id  value  n_vals  av_val
#0     1  10    100       2   300.0
#1     2  10    500       2   300.0
#2     3  20    300       3   200.0
#3     4  20    150       3   200.0
#4     6  20    150       3   200.0

通过这种方式，您可以保留每一行并查看它们的n_vals和av_val，而不是使用常规的groupby agg函数丢失数据

Python如何从单个列计算多个平均值，然后根据另一列中的值选择要平均的行

2 个答案: