Question

基于数据框

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0,100,size=(2, 6)), columns=list('ABCDEF'))
print(df)
   A   B   C   D   E   F
0  82  63  71  74  71  27
1  90   9  74  35  38  43

我如何计算三列的每个不相交组的平均值，以使结果数据框看起来像

   meanABC meanDEF
0  72      57.33
1  57.66   38.66

？

Answer 1

首先创建MultiIndex，然后获取rename的新列名称，最后可以在第二级mean中使用MultiIndex：

np.random.seed(2019)
df = pd.DataFrame(np.random.randint(0,100,size=(2, 6)), columns=list('ABCDEF'))
print(df)
    A   B   C   D   E   F
0  72  31  37  88  62  24
1  29  15  12  16  48  71

df.columns = [df.columns, np.arange(len(df.columns)) // 3]

c = 'mean' + df.columns.to_frame().groupby(1)[0].apply(''.join)
print (c)
1
0    meanABC
1    meanDEF
Name: 0, dtype: object

df = df.mean(axis=1, level=1).rename(columns=c)
print (df)
     meanABC  meanDEF
0  46.666667     58.0
1  18.666667     45.0

Answer 2

尝试以下方法，希望对您有所帮助：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0,100,size=(2, 6)), columns=list('ABCDEF'))
print(df)

输出将会是：

    A   B   C   D   E   F
0   2  89  68  48  13  17
1  43   9  98   9  18  94

现在执行以下步骤：

columns = list(df.columns)
new_df = pd.DataFrame()
for i in range(0,len(columns),3):
    new_df['mean'+"".join(columns[i:i+3])] = df[columns[i:i+3]].mean(axis=1)

输出将会是：

    meanABC     meanDEF
0   53.0    26.000000
1   50.0    40.333333

汇总列组

2 个答案: