说我有以下DataFrame:
data = pd.DataFrame({'id' : ['1','2','3','4','5'], 'group' : ['1','1','2','1','2'],
'state' : ['True','False','False','True','True'], 'value' : [11,12,5,8,3]})
我想创建一个新的DataFrame,保留3列:组('1'
或'2'
),并平均'state'
和'value'
列,因此DataFrame为:
grouped_averaged = pd.DataFrame({'group' : ['1','2'], 'average_state' : [0.66,0.5], 'value' : [7,3]})
答案 0 :(得分:1)
您只需要groupby
:
data['state'] = data['state'].eq('True')
data.drop('id',axis=1).groupby('group', as_index=False).mean()
输出:
group state value
0 1 0.666667 10.333333
1 2 0.500000 4.000000
答案 1 :(得分:1)
let uuid = UUID().uuidString
答案 2 :(得分:0)
您首先应该创建一个过滤的数据框,以过滤所需的数据框。 该算法将首先创建要过滤的值列表,然后将状态中的True和False值分别更改为1和0,然后使用聚合函数对其进行分组。
df = pd.DataFrame({'id' : ['1','2','3','4','5'], 'group' : ['1','1','2','1','2'],
'state' : ['True','False','False','True','True'], 'value' : [11,12,5,8,3]})
filter_values=['1','2']
df=df.loc[df['group'].isin(filter_values)]
df['state']=(df['state']=="True").astype(int)
df['state']=(df['state']=="False").astype(int)
aggregate_functions={'state':'mean','value':'mean'}
clean_df=df.groupby(['group']).aggregate(aggregate_functions)
我还没有在我的电脑上运行它,但是您可以对其进行测试,但是该算法应该可以工作。