Question

我有一个与此相似的数据框：

name        |   points     |    tries    |        game
Alfred      |      3.4     |      2      |      sudoku
Alfred      |      3       |      1      |      sudoku
Alfred      |      2.1     |      4      |      tetris
Barry       |      2.7     |      3      |      tetris
Barry       |      1.1     |      2      |      sudoku
Cathy       |      4.1     |      2      |      tetris
Cathy       |      3.3     |      2      |      tetris

我试图首先按游戏分组，然后在每个不同的“游戏”中按“名称”分组，然后计算总“点数”，总“尝试次数”和每次尝试的平均分数。

我一直在阅读有关groupby的信息，但我没有一天去做所有这些事情，而同时计算每个组的得分/尝试次数。

任何帮助将不胜感激。

这是为了尝试更轻松地分析某些csv文件。我已经能够打开数据，读取数据并执行一些简单的groupby命令，但是这种多重选择和平均计算使我发疯。

Answer 1

如果您使用的熊猫是0.25或更高版本，并且想使用新的NamedAgg：

result = df.groupby(['game', 'name']).agg(
    total_points = pd.NamedAgg('points', 'sum'),
    total_tries = pd.NamedAgg('tries', 'sum')
)
result['avg_point_per_try'] = result['total_points'] / result['total_tries']

如果您使用的熊猫<0.25，则只需手动重命名列：

result = df.groupby(['game', 'name']).sum()
result.columns = ['total_points', 'total_tries']
result['avg_point_per_try'] = result['total_points'] / result['total_tries']

结果：

               total_points  total_tries  avg_point_per_try
game   name                                                
sudoku Alfred           6.4            3           2.133333
       Barry            1.1            2           0.550000
tetris Alfred           2.1            4           0.525000
       Barry            2.7            3           0.900000
       Cathy            7.4            4           1.850000

Pandas GroupBy的平均值

1 个答案: