寻找一种从数据框中的列生成统计表的方法

Question

我有一个包含类别/代码的数据集，例如，男性/女性，服务状态，服务代码，并且有一列已付款的索赔。

我正在寻找一种使用Python创建表/数据透视表的方式来生成输出，其中我仅具有按服务代码分类的平均已付费索赔的前10名最高列（即，具有最高平均已付费索赔的前10个代码是什么）。 我还想附加中位数，stdev和计数，以便输出看起来像

表：

gender, code, state, paid claim
F, 1234, TX, $300
F, 2345, NJ, $120
F, 3456, NJ, $30
M, 1234, MN, $250
M, 4567, CA, $50
F, 1234, MA, $70
F, 8901, CA, $150
F, 23457, NY, $160
F, 4567, SD, $125

我正在尝试生成的输出（按代码排在前10位的已付费索赔）：

code, average claim, median claim, count claim
1234,  206, xxx, 3

因此，我做了类似的事情：

service_code_average=df.groupby('service_code', as_index=False)['paid claim'].mean().sort_values(by='paid claim')

我无法将排名限制在前10位，而且我还在努力增加媒体的数量。

Answer 1

在这里，您可以利用agg函数，在其中可以一次性指定多个聚合函数。 您可以执行以下操作：

# convert string to integer
df['paid claim'] = df['paid claim'].str.extract('(\d+)')
df['paid claim'] = df['paid claim'].astype(int)

# set n value
top_n = 2 ## set this to 10 

# apply aggregation 
df1 = df.groupby('code').agg({'paid claim':{'average': lambda x: x.nlargest(top_n).mean(),
                                      'counts': lambda x: x.count(),
                                      'median': lambda x: x.median()}})

# reset column names
df1.columns = df1.columns.droplevel()
df1 = df1.reset_index()

print(df1)

    code  average  counts  median
0   1234    275.0       3   250.0
1   2345    120.0       1   120.0
2   3456     30.0       1    30.0
3   4567     87.5       2    87.5
4   8901    150.0       1   150.0
5  23457    160.0       1   160.0