Question

我有一个很大的csv文件，其中的示例如下（2列多行）

date    score
1/1/16  0
2/1/16  0
3/1/16  0.2732
3/1/16  -0.6486
4/1/16  0
5/1/16  0.4404
5/1/16  -0.2732
6/1/16  -0.5859
6/1/16  0.34

您可以看到样本中有多个相同日期的分数不同（与原始文件相同，其中有数百个相同日期的分数）。我想按日期平均分数，然后将其另存为csv格式。预期结果应如下所示（每个日期一个平均分数）

date    Avg_Score
1/1/16  0
2/1/16  0
3/1/16  -0.1877
4/1/16  0
5/1/16  0.0836
6/1/16  -0.12295

如何在Python的Pandas模块中做到这一点？我检查了stackoverflow的建议，找到了loc，iloc和groupby。但是我想我不能使它们有用，因为这是我尝试过的，并且仍然得到与原始文件相同的文件（没有任何更改）。不知道为什么它不起作用以及如何使其起作用。

import pandas as pd
import csv
df = pd.read_csv('myfile.csv')

df.groupby('date').mean().reset_index()

df.to_csv('average.csv', encoding='utf-8', index=False)

由于我一直在为此苦苦挣扎，请给予任何帮助。谢谢。

Answer 1

将groupby方法的输出分配给变量，例如这里df1：

df = pd.read_csv('myfile.csv')
#solution with renamed new column
df1 = df.groupby('date')['score'].mean().reset_index(name='Avg_Score')
#your solution
#df1 = df.groupby('date').mean().reset_index()
df1.to_csv('average.csv', encoding='utf-8', index=False)

根据大熊猫中的另一列计算一列的平均值

1 个答案: