我有一个df看起来像这样的：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我正在努力做到这一点：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这个想法是将其按Country和进行分组Product，并获得平均成本，但取其所在Costs的位置>0。我尝试过的：np.where(df['Cost']>0, df.loc[df.groupby(['Country','Product'])]['Cost'].mean())但我得到：ValueError：无法使用多维键进行索引将内置函数（例如.mean(), max(), etc带有过滤器的分组熊猫数据框）应用的最佳实践解决方案是什么？
2 回答
aluckdog
TA贡献1847条经验 获得超7个赞
第一个想法是替换0为NaNs 然后使用GroupBy.transformwith mean，默认情况下省略缺失值：
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
或者首先过滤、聚合mean并按以下方式分配回来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
明月笑刀无情
TA贡献1828条经验 获得超4个赞
尝试这个 ：
df[df["Cost"] > 0].groupby(['Country','Product'])["Cost"].mean()
它过滤掉成本大于零的地方，对其进行分组，然后取平均值。
添加回答
举报
0/150
提交
取消