我有一個df看起來像這樣的：Day Country Type Product Cost Mon US 1 a1 0Mon US 2 a1 5Mon US 3 a1 6Mon CA 1 a1 8Mon CA 2 a1 0Mon CA 3 a1 1我正在努力做到這一點：Day Country Type Product Cost AverageMon US 1 a1 0 (5+6)/2Mon US 2 a1 5 (5+6)/2Mon US 3 a1 6 (5+6)/2Mon CA 1 a1 8 (8+1)/2Mon CA 2 a1 0 (8+1)/2Mon CA 3 a1 1 (8+1)/2這個想法是將其按Country和進行分組Product，并獲得平均成本，但取其所在Costs的位置>0。我嘗試過的：np.where(df['Cost']>0, df.loc[df.groupby(['Country','Product'])]['Cost'].mean())但我得到：ValueError：無法使用多維鍵進行索引將內置函數（例如.mean(), max(), etc帶有過濾器的分組熊貓數據框）應用的最佳實踐解決方案是什么？
2 回答
aluckdog
TA貢獻1847條經驗 獲得超7個贊
第一個想法是替換0為NaNs 然后使用GroupBy.transformwith?mean，默認情況下省略缺失值：
print (df.assign(new = df['Cost'].where(df['Cost'] > 0)))
? ?Day Country? Type Product? Cost? new
0? Mon? ? ? US? ? ?1? ? ? a1? ? ?0? NaN
1? Mon? ? ? US? ? ?2? ? ? a1? ? ?5? 5.0
2? Mon? ? ? US? ? ?3? ? ? a1? ? ?6? 6.0
3? Mon? ? ? CA? ? ?1? ? ? a1? ? ?8? 8.0
4? Mon? ? ? CA? ? ?2? ? ? a1? ? ?0? NaN
5? Mon? ? ? CA? ? ?3? ? ? a1? ? ?1? 1.0
df['Average'] = (df.assign(new = df['Cost'].where(df['Cost'] > 0))
? ? ? ? ? ? ? ? ? ?.groupby(['Country','Product'])['new']
? ? ? ? ? ? ? ? ? ?.transform('mean'))
print (df)
? ?Day Country? Type Product? Cost? Average
0? Mon? ? ? US? ? ?1? ? ? a1? ? ?0? ? ? 5.5
1? Mon? ? ? US? ? ?2? ? ? a1? ? ?5? ? ? 5.5
2? Mon? ? ? US? ? ?3? ? ? a1? ? ?6? ? ? 5.5
3? Mon? ? ? CA? ? ?1? ? ? a1? ? ?8? ? ? 4.5
4? Mon? ? ? CA? ? ?2? ? ? a1? ? ?0? ? ? 4.5
5? Mon? ? ? CA? ? ?3? ? ? a1? ? ?1? ? ? 4.5
或者首先過濾、聚合mean并按以下方式分配回來DataFrame.join：
s = df[df["Cost"] > 0].groupby(['Country','Product'])['Cost'].mean().rename('Average')
df = df.join(s, on=['Country','Product'])
print (df)
? ?Day Country? Type Product? Cost? Average
0? Mon? ? ? US? ? ?1? ? ? a1? ? ?0? ? ? 5.5
1? Mon? ? ? US? ? ?2? ? ? a1? ? ?5? ? ? 5.5
2? Mon? ? ? US? ? ?3? ? ? a1? ? ?6? ? ? 5.5
3? Mon? ? ? CA? ? ?1? ? ? a1? ? ?8? ? ? 4.5
4? Mon? ? ? CA? ? ?2? ? ? a1? ? ?0? ? ? 4.5
5? Mon? ? ? CA? ? ?3? ? ? a1? ? ?1? ? ? 4.5
明月笑刀無情
TA貢獻1828條經驗 獲得超4個贊
嘗試這個 ：
df[df["Cost"] > 0].groupby(['Country','Product'])["Cost"].mean()
它過濾掉成本大于零的地方，對其進行分組，然后取平均值。
添加回答
舉報
0/150
提交
取消