Pandas groupby mean - 變成 dataframe？

Question

假設我的數據如下所示：

date,name,id,dept,sale1,sale2,sale3,total_sale
1/1/17,John,50,Sales,50.0,60.0,70.0,180.0
1/1/17,Mike,21,Engg,43.0,55.0,2.0,100.0
1/1/17,Jane,99,Tech,90.0,80.0,70.0,240.0
1/2/17,John,50,Sales,60.0,70.0,80.0,210.0
1/2/17,Mike,21,Engg,53.0,65.0,12.0,130.0
1/2/17,Jane,99,Tech,100.0,90.0,80.0,270.0
1/3/17,John,50,Sales,40.0,50.0,60.0,150.0
1/3/17,Mike,21,Engg,53.0,55.0,12.0,120.0
1/3/17,Jane,99,Tech,80.0,70.0,60.0,210.0

我想要一個新列average ，它是每個name,id,dept元組的total_sale的平均值

我試過了

df.groupby(['name', 'id', 'dept'])['total_sale'].mean()

這確實返回了一個具有平均值的系列：

name  id  dept 
Jane  99  Tech     240.000000
John  50  Sales    180.000000
Mike  21  Engg     116.666667
Name: total_sale, dtype: float64

但我將如何引用數據？ 該系列是形狀 (3,) 的一維系列。 理想情況下，我希望將其放回具有適當列的 dataframe 中，以便我可以通過name/id/dept正確引用。

Answer 1

如果您在您擁有的系列上調用.reset_index() ，它將為您提供您想要的數據.reset_index()索引的每個級別都將轉換為一列）：

df.groupby(['name', 'id', 'dept'])['total_sale'].mean().reset_index()

編輯：為了回應 OP 的評論，將此列添加回原始數據框有點棘手。 您的行數與原始數據框中的行數不同，因此您還不能將其分配為新列。 但是，如果您將索引設置為相同， pandas很聰明，並且會為您正確填寫值。 嘗試這個：

cols = ['date','name','id','dept','sale1','sale2','sale3','total_sale']
data = [
['1/1/17', 'John', 50, 'Sales', 50.0, 60.0, 70.0, 180.0],
['1/1/17', 'Mike', 21, 'Engg', 43.0, 55.0, 2.0, 100.0],
['1/1/17', 'Jane', 99, 'Tech', 90.0, 80.0, 70.0, 240.0],
['1/2/17', 'John', 50, 'Sales', 60.0, 70.0, 80.0, 210.0],
['1/2/17', 'Mike', 21, 'Engg', 53.0, 65.0, 12.0, 130.0],
['1/2/17', 'Jane', 99, 'Tech', 100.0, 90.0, 80.0, 270.0],
['1/3/17', 'John', 50, 'Sales', 40.0, 50.0, 60.0, 150.0],
['1/3/17', 'Mike', 21, 'Engg', 53.0, 55.0, 12.0, 120.0],
['1/3/17', 'Jane', 99, 'Tech', 80.0, 70.0, 60.0, 210.0]
]
df = pd.DataFrame(data, columns=cols)

mean_col = df.groupby(['name', 'id', 'dept'])['total_sale'].mean() # don't reset the index!
df = df.set_index(['name', 'id', 'dept']) # make the same index here
df['mean_col'] = mean_col
df = df.reset_index() # to take the hierarchical index off again

Answer 2

添加到to_frame

df.groupby(['name', 'id', 'dept'])['total_sale'].mean().to_frame()

Answer 3

你很親近。 您只需要在[['total_sale']]周圍添加一組括號來告訴 python 選擇作為數據框而不是系列：

df.groupby(['name', 'id', 'dept'])[['total_sale']].mean()

如果您想要所有列：

df.groupby(['name', 'id', 'dept'], as_index=False).mean()[['name', 'id', 'dept', 'total_sale']]

Answer 4

答案在兩行代碼中：

第一行創建分層框架。

df_mean = df.groupby(['name', 'id', 'dept'])[['total_sale']].mean()

第二行將其轉換為具有四列的數據框（'name', 'id', 'dept', 'total_sale'）

df_mean = df_mean.reset_index()