計算 Pandas DataFrame 中一組列的平均值的最有效方法

Question

我有一個帶有如下列的DataFrame ：

["A_1", "A_2", "A_3", "B_1", "B_2", "B_3"]

我想將各個 A 和 B 列“折疊”在一列中並計算它們的平均值。 簡而言之，在操作結束時，我會得到：

["A", "B"]

其中“A”是所有“A”列的列均值，“B”是所有“B”列的均值。

據我了解， groupby不適合此任務，或者我使用它不正確：

grouped = data.groupby([item for item in data if "A" not in item])

如果我使用axis=1 ，則在調用 mean() 時得到的只是一個空的 DataFrame ，否則我將無法獲得所需的效果。 我想避免構建一個單獨的 DataFrame 以通過迭代來填充手段（例如，通過單獨計算手段然后像new_df["A"] = mean_a一樣添加它們）。 有沒有有效的解決方案？

Answer 1

您想使用內置的mean()函數，該函數接受axis參數來指定逐行均值。 由於您知道您想要的不同方式的特定列名稱約定，因此您可以使用下面的示例代碼非常有效地完成此操作。 在這里，我選擇只創建兩個額外的列，而不是實際銷毀現有數據。 我也可以將這些新列放入一個新的數據框中； 這只是取決於您的需求是什么以及什么對您來說方便。 相同的基本思想在任何一種情況下都適用。

In [1]: import pandas

In [2]: dfrm = pandas.DataFrame([[1,2,3,4,5,6],[7,8,9,10,11,12],[13,14,15,16,17,18]], columns = ['A_1', 'A_2', 'A_3', 'B_1', 'B_2', 'B_3'])

In [3]: dfrm
Out[3]: 
   A_1  A_2  A_3  B_1  B_2  B_3
0    1    2    3    4    5    6
1    7    8    9   10   11   12
2   13   14   15   16   17   18

In [4]: dfrm["A_mean"] = dfrm[[elem for elem in dfrm.columns if elem[0]=='A']].mean(axis=1)

In [5]: dfrm
Out[5]: 
   A_1  A_2  A_3  B_1  B_2  B_3  A_mean
0    1    2    3    4    5    6       2
1    7    8    9   10   11   12       8
2   13   14   15   16   17   18      14

In [6]: dfrm["B_mean"] = dfrm[[elem for elem in dfrm.columns if elem[0]=='B']].mean(axis=1)

In [7]: dfrm
Out[7]: 
   A_1  A_2  A_3  B_1  B_2  B_3  A_mean  B_mean
0    1    2    3    4    5    6       2       5
1    7    8    9   10   11   12       8      11
2   13   14   15   16   17   18      14      17

Answer 2

我不知道效率，但我可能會做這樣的事情：

~/coding$ cat colgroup.dat
A_1,A_2,A_3,B_1,B_2,B_3
1,2,3,4,5,6
7,8,9,10,11,12
13,14,15,16,17,18
~/coding$ python
Python 2.7.3 (default, Apr 20 2012, 22:44:07) 
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import pandas
>>> df = pandas.read_csv("colgroup.dat")
>>> df
   A_1  A_2  A_3  B_1  B_2  B_3
0    1    2    3    4    5    6
1    7    8    9   10   11   12
2   13   14   15   16   17   18
>>> grouped = df.groupby(lambda x: x[0], axis=1)
>>> for i, group in grouped:
...     print i, group
... 
A    A_1  A_2  A_3
0    1    2    3
1    7    8    9
2   13   14   15
B    B_1  B_2  B_3
0    4    5    6
1   10   11   12
2   16   17   18
>>> grouped.mean()
key_0   A   B
0       2   5
1       8  11
2      14  17

我想lambda x: x.split('_')[0]會更健壯一點。