在本文中，我们将给您介绍关于PythonPandas：按分组分组，平均？的详细内容，并且为您解答pythonpandas分组的相关问题，此外，我们还将为您提供关于Pandas/Python–按时间段分
在本文中，我们将给您介绍关于Python Pandas：按分组分组，平均？的详细内容，并且为您解答python pandas 分组的相关问题，此外，我们还将为您提供关于Pandas / Python – 按时间段分组数据、pandas数据框：按两列分组，然后对另一列取平均值、Pandas获得分组平均、Pandas：按列A分组，并从其他列中列出元组？的知识。
本文目录一览：- Python Pandas：按分组分组，平均？（python pandas 分组）
- Pandas / Python – 按时间段分组数据
- pandas数据框：按两列分组，然后对另一列取平均值
- Pandas获得分组平均
- Pandas：按列A分组，并从其他列中列出元组？
Python Pandas：按分组分组，平均？（python pandas 分组）
我有一个这样的数据框：
cluster org time 1 a 8 1 a 6 2 h 34 1 c 23 2 d 74 3 w 6 我想计算每个集群每个组织的平均时间。
预期结果：
cluster mean(time)1 15 ((8+6)/2+23)/22 54 (74+34)/23 6我不知道如何在熊猫中做到这一点，有人可以帮忙吗？
答案1
小编典典如果你想先对[''cluster'', ''org'']组合取平均值，然后再对cluster组取平均值
In [59]: (df.groupby([''cluster'', ''org''], as_index=False).mean() .groupby(''cluster'')[''time''].mean())Out[59]:cluster1 152 543 6Name: time, dtype: int64如果你cluster不仅仅希望价值观，那么你可以
In [58]: df.groupby([''cluster'']).mean()Out[58]: timecluster1 12.3333332 54.0000003 6.000000你可以groupby上[''cluster'', ''org'']再取mean()
In [57]: df.groupby([''cluster'', ''org'']).mean()Out[57]: timecluster org1 a 438886 c 232 d 9874 h 343 w 6
Pandas / Python – 按时间段分组数据
我有一些财务数据,并希望只获得特定时间段(小时,天,月……)的最后一笔交易.
例：
>>df
time price_BRL qt time_dt
1312001297 23.49 1.00 2011-07-30 04:48:17
1312049148 23.40 1.00 2011-07-30 18:05:48
1312121523 23.49 2.00 2011-07-31 14:12:03
1312121523 23.50 6.50 2011-07-31 14:12:03
1312177622 23.40 2.00 2011-08-01 05:47:02
1312206416 23.25 1.00 2011-08-01 13:46:56
1312637929 18.95 1.50 2011-08-06 13:38:49
1312637929 18.95 4.00 2011-08-06 13:38:49
1312817114 0.80 0.01 2011-08-08 15:25:14
1312818289 0.10 0.01 2011-08-08 15:44:49
1312819795 6.00 0.09 2011-08-08 16:09:55
1312847064 16.00 0.86 2011-08-08 23:44:24
1312849282 16.00 6.14 2011-08-09 00:21:22
1312898146 19.90 1.00 2011-08-09 13:55:46
1312915666 6.00 0.01 2011-08-09 18:47:46
1312934897 19.90 1.00 2011-08-10 00:08:17
>>filter_by_last_day(df)
time price_BRL qt time_dt
1312049148 23.40 1.00 2011-07-30 18:05:48
1312121523 23.50 6.50 2011-07-31 14:12:03
1312206416 23.25 1.00 2011-08-01 13:46:56
1312637929 18.95 4.00 2011-08-06 13:38:49
1312847064 16.00 0.86 2011-08-08 23:44:24
1312915666 6.00 0.01 2011-08-09 18:47:46
1312934897 19.90 1.00 2011-08-10 00:08:17
我正在考虑使用groupby()并获得当天的平均值()这个解决方案也可以解决我的问题,但不完全正确)但不知道如何选择df.groupby这样的日子(‘time.day ‘).持续()
dt.date之前使用groupby并在last之前聚合：
#if necessery convert to datetime
df.time_dt = pd.to_datetime(df.time_dt)
df = df.groupby(df.time_dt.dt.date).last().reset_index(drop=True)
print (df)
time price_BRL qt time_dt
0 1312049148 23.40 1.00 2011-07-30 18:05:48
1 1312121523 23.50 6.50 2011-07-31 14:12:03
2 1312206416 23.25 1.00 2011-08-01 13:46:56
3 1312637929 18.95 4.00 2011-08-06 13:38:49
4 1312847064 16.00 0.86 2011-08-08 23:44:24
5 1312915666 6.00 0.01 2011-08-09 18:47:46
6 1312934897 19.90 1.00 2011-08-10 00:08:17
谢谢MaxU的另一个解决方案 – 为返回DataFrame添加参数as_index = False：
df = df.groupby(df.time_dt.dt.date,as_index=False).last()
print (df)
time price_BRL qt time_dt
0 1312049148 23.40 1.00 2011-07-30 18:05:48
1 1312121523 23.50 6.50 2011-07-31 14:12:03
2 1312206416 23.25 1.00 2011-08-01 13:46:56
3 1312637929 18.95 4.00 2011-08-06 13:38:49
4 1312847064 16.00 0.86 2011-08-08 23:44:24
5 1312915666 6.00 0.01 2011-08-09 18:47:46
6 1312934897 19.90 1.00 2011-08-10 00:08:17
使用resample的解决方案,但必须在dropna之前删除NaN行：
df = df.resample('d',on='time_dt').last().dropna(how='all').reset_index(drop=True)
#cast column time to int
df.time = df.time.astype(int)
print (df)
time price_BRL qt time_dt
0 1312049148 23.40 1.00 2011-07-30 18:05:48
1 1312121523 23.50 6.50 2011-07-31 14:12:03
2 1312206416 23.25 1.00 2011-08-01 13:46:56
3 1312637929 18.95 4.00 2011-08-06 13:38:49
4 1312847064 16.00 0.86 2011-08-08 23:44:24
5 1312915666 6.00 0.01 2011-08-09 18:47:46
6 1312934897 19.90 1.00 2011-08-10 00:08:17
—
你也可以使用dt.month：
df = df.groupby(df.time_dt.dt.month).last().reset_index(drop=True)
print (df)
time price_BRL qt time_dt
0 1312121523 23.5 6.5 2011-07-31 14:12:03
1 1312934897 19.9 1.0 2011-08-10 00:08:17
有几个小时它有点复杂,如果需要groupby按日期和小时一起,解决方案是用astype将分钟和秒数替换为0：
hours = df.time_dt.values.astype('
pandas数据框：按两列分组，然后对另一列取平均值
假设我有一个具有以下值的数据框：
df:
col1 col2 value
1 2 3
1 2 1
2 3 1
我想首先根据前两列（col1和col2）对数据框进行分组，然后对第三列的值（值）进行平均。因此，所需的输出将如下所示：
col1 col2 avg-value
1 2 2
2 3 1
我正在使用以下代码：
columns = ['col1','col2','avg']
df = pd.DataFrame(columns=columns)
df.loc[0] = [1,2,3]
df.loc[1] = [1,3,3]
print(df[['col1','avg']].groupby('col1','col2').mean())
出现以下错误：
ValueError: No axis named col2 for object type <class 'pandas.core.frame.DataFrame'>
任何帮助将非常感激。
Pandas获得分组平均
我试图找到每个user_id的平均每月费用，但是我只能获取每个用户的平均费用或每个用户的每月费用。
因为我按用户和月份分组，否则除非我将groupby输出转换为其他值，否则无法获取第二个groupby（月份）的平均值。
这是我的df：
df = { 'id' : pd.Series([1,1,2,2]),'cost' : pd.Series([10,20,30,40,50,60,70,80]),'mth': pd.Series([3,3,4,5,5])}
cost id mth
0 10 1 3
1 20 1 3
2 30 1 4
3 40 1 5
4 50 2 3
5 60 2 4
6 70 2 4
7 80 2 5
我可以获得每月的总和，但我希望每个user_id的月份平均值。
df.groupby(['id','mth'])['cost'].sum()
id mth
1 3 30
4 30
5 40
2 3 50
4 130
5 80
我想要这样的事情：
id average_monthly
1 (30+30+40)/3
2 (50+130+80)/3
Pandas：按列A分组，并从其他列中列出元组？
我想将用户交易汇总到熊猫列表中。我不知道如何制作一个包含多个字段的列表。例如，
df = pd.DataFrame({''user'':[1,1,2,2,3], ''time'':[20,10,11,18, 15], ''amount'':[10.99, 4.99, 2.99, 1.99, 10.99]})看起来像
amount time user0 10.99 20 11 4.99 10 12 2.99 11 23 1.99 18 24 10.99 15 3如果我做
print(df.groupby(''user'')[''time''].apply(list))我懂了
user1 [20, 10]2 [11, 18]3 [15]但是如果我这样做
df.groupby(''user'')[[''time'', ''amount'']].apply(list)我懂了
user1 [time, amount]2 [time, amount]3 [time, amount]多亏了下面的答案，我才知道我可以做到这一点
df.groupby(''user'').agg(lambda x: x.tolist()))要得到
amount timeuser 1 [10.99, 4.99] [20, 10]2 [2.99, 1.99] [11, 18]3 [10.99] [15]但是我要按照相同的顺序对时间和金额进行排序-这样我才能按顺序处理每个用户的交易。
我一直在寻找一种产生这种方式的方法：
amount-time-tupleuser 1 [(20, 10.99), (10, 4.99)]2 [(11, 2.99), (18, 1.99)]3 [(15, 10.99)]但是也许有一种方法可以在不“纠缠”两列的情况下进行排序？
答案1
小编典典apply(list) 我会考虑序列索引而不是值。我认为您正在寻找
df.groupby(''user'')[[''time'', ''amount'']].apply(lambda x: x.values.tolist())用户1 [[23.0，2.99]，[50.0，1.99]]2 [[12.0，1.99]]关于Python Pandas：按分组分组，平均？和python pandas 分组的问题就给大家分享到这里，感谢你花时间阅读本站内容，更多关于Pandas / Python – 按时间段分组数据、pandas数据框：按两列分组，然后对另一列取平均值、Pandas获得分组平均、Pandas：按列A分组，并从其他列中列出元组？等相关知识的信息别忘了在本站进行查找喔。
本文标签：
