如何在熊猫数据框中找到混合类别变量的均值？

Question

我使用各种社交媒体平台收集了有关不同年龄段人群的调查数据集。我想计算社交媒体应用使用情况下的平均人数。示例数据如下所示：

这是可复制的熊猫数据框：

df=pd.DataFrame({'age': np.random.randint(10,100,size=10),
                'web1a': np.random.choice([1, 2], size=(10,)),
                'web1b': np.random.choice([1, 2], size=(10,), p=[1./3, 2./3]),
                'web1c': np.random.choice([1, 2], size=(10,)),
                'web1d': np.random.choice([1, 2], size=(10,))})

这是我尝试过的：

df.pivot_table(df, values='web1a', index='age', aggfunc='mean')

但是效率不高，没有产生我想要的输出。有什么想法可以完成吗？谢谢

更新：

对我来说，执行此操作的方法是，首先在每列中选择类别值，然后为其取平均值，而其他均值可以相同。如果这样做，如何绘制好它们？

请注意，在web1a，web1b，web1c，web1d，1栏中分别表示用户和2表示非用户。我想计算用户和非用户的平均年龄。我怎样才能做到这一点？有人给我一个可能的想法来实现这一目标吗？谢谢！

Answer 1

您可以对“网络*”列进行分组，并在“年龄”列中计算平均值。

您还可以绘制条形图（可以在子图中定义颜色）。在这种情况下，我不确定饼图是否有意义。

我尝试了您的data，仅采用了以“ web”开头的列。值比“ 1”和“ 2”多，因此我假设您只想分析用户和非用户，而没有其他东西。只要知道要绘制的值，就可以用相同的方法更改值或在图表中添加其他值。

df = df.filter(regex=('web|age'),axis=1)

userNr = '1'
nonUserNr = '2'
users = list()
nonUsers = list()
labels = [x for x in df.columns.tolist() if 'web' in x]
for col in labels:
    users.append(df.loc[:,['age',col]].groupby(col).mean().loc[userNr][0])
    nonUsers.append(df.loc[:,['age',col]].groupby(col).mean().loc[nonUserNr][0])

from matplotlib import pyplot as plt
x = np.arange(1, len(labels)+1)
ax = plt.subplot(111)
ax.bar(x-0.1, users, width=0.2,color='g')
ax.bar(x+0.1,nonUsers, width=0.2,color='r')
plt.xticks(x, labels)
plt.legend(['users','non-users'])
plt.show()

Answer 2

使用

df.melt('age').set_index(['variable','value']).mean(level=[0,1]).unstack().plot(kind='bar')

Answer 3

这可以使用groupby方法完成：

df.groupby(['web1a', 'web1b', 'web1c', 'web1d']).mean()

Answer 4

<div id="footer">Footer - Just scroll...</div>