計算列中唯一值之間的差異，並按唯一值的數量進行平均，並按 Python 中的另一列進行分組

Question

我有一個 dataframe，需要做一些自定義計算。

Protocol    Visit   Day
111 1   1
111 1   1
111 1   1
111 2   15
111 2   15
111 2   15
111 3   29
111 3   29
222 2   14
222 2   14
222 2   14
222 3   28
222 3   28
222 3   28

可重現的輸入：

{'Protocol ': {0: 111, 1: 111, 2: 111, 3: 111, 4: 111, 5: 111, 6: 111, 7: 111, 8: 222, 9: 222, 10: 222, 11: 222, 12: 222, 13: 222, 14: 222}, 'Visit': {0: 1, 1: 1, 2: 1, 3: 2, 4: 2, 5: 2, 6: 3, 7: 3, 8: 1, 9: 2, 10: 2, 11: 2, 12: 3, 13: 3, 14: 3}, 'Day': {0: 1, 1: 1, 2: 1, 3: 15, 4: 15, 5: 15, 6: 29, 7: 29, 8: 1, 9: 14, 10: 14, 11: 14, 12: 28, 13: 28, 14: 28}}

我想要什么：

• 以某種方式計算Day列中的值之間的唯一值之間的差異。

例如，對於協議 111，它將是15-1 = 14和29 - 15 = 14 。 相同的邏輯應該適用於特定協議列中的所有數字，因為我將為每個協議提供更多。

• 然后我想計算每個協議的平均差異。 14 + 14 = 28/3 = 9.3 。 3 表示用於計算差異的 3 個唯一值 - 1, 15, 29 。

對於協議 222，它將是28-14 = 14除以 2（唯一值的數量）。 結果7 。

預計 output

Protocol Average difference
111       9.3 
222       7 

Answer 1

首先對兩列使用DataFrame.drop_duplicates ，然后聚合 lambda function 以獲得差異平均值：

#remove traling whitespaces in columns names
df.columns = df.columns.str.strip()

df1 = (df.drop_duplicates(['Protocol','Day'])
         .groupby('Protocol')['Day']
         .agg(lambda x: x.diff().sum() / len(x))
         .reset_index(name='Average difference'))
print (df1)
   Protocol  Average difference
0       111            9.333333
1       222            7.000000

或者：

df1 = (df.drop_duplicates(['Protocol','Day'])
         .groupby('Protocol')['Day']
         .agg(lambda x: x.diff().fillna(0).mean())
         .reset_index(name='Average difference'))