熊猫查找多层次平均值

Question

比方说，我在熊猫数据帧有数据如下图所示：

我想找到的描述性统计（平均数，中位数，标准开发）的：

每个队列
1. 每个队列的唯一用户
2. 每队列每用户评论
3. 评论

因此对于输出，我希望看到：每群组

1. 独立用户 - > [{A：3}，{B：2}，...]，然后找到描述性统计对于系列
2. 每个用户每个群组评论 - > [{（a，alex）：2}，{（b，alex）：0}，{（a，beth）：1}，{（b，beth） ：3} ...]每群组
3. 评论 - > [{A：5}，{b：6} ...]

我使用熊猫，并且我绝对粘在如何做某事 很简单。我正在考虑使用.groupby()，但这并没有产生明确的解决方案。我可以在没有熊猫的情况下做到这一点，但我认为这些是Pandas数据框的一些问题！？

谢谢！

Answer 1

解决方案

你可以使用

df.groupby(['Cohort', 'User']).describe() 

或

df.groupby(['Cohort']).describe() 

根据您所需的输出

df.groupby(['Cohort'])['User'].apply(lambda x: x.describe().ix['unique']) 

和

df.groupby(['Cohort', 'User'])['Comment'].apply(lambda x: x.describe().ix['unique']) 

和

df.groupby(['Cohort'])['Comment'].apply(lambda x: x.describe().ix['unique']) 

Answer 2

>>> df.groupby('Cohort').User.apply(lambda group: group.unique()) 
Cohort 
a [alex, beth, craig] 
b   [beth, craig] 
Name: User, dtype: object 

>>> df.groupby('Cohort').User.apply(lambda group: group.nunique()) 
Out[40]: 
Cohort 
a 3 
b 2 
Name: User, dtype: int64 

>>> df.groupby(['Cohort', 'User']).Comment.count() 
Out[43]: 
Cohort User 
a  alex  2 
     beth  1 
     craig 2 
b  beth  3 
     craig 3 
Name: Comment, dtype: int64 

df.groupby(['Cohort']).Comment.count() 
Out[44]: 
Cohort 
a 5 
b 6 
Name: Comment, dtype: int64