熊猫：具有相同名称的列的平均

Question

我有像列的数据帧：

['id','name','foo1', 'foo1', 'foo1', 'foo2','foo2', 'foo3'] 

我想获得一个新的数据帧，其中共享相同名称的列的平均值：

['id','name','foo1', 'foo2','foo3'] 

这里列foo1将是原始数据框中名为foo1的三列的平均值，foo2将是两列foo2的平均值，foo3将是foo3

注意：id和名称不是数字，我必须保留它们。

Answer 1

基本的想法是，您可以按列名称进行分组，并对每个组进行平均操作。

我看到了一些关于你的问题的评论，并试图给你不同的方式来实现目标。 （解决方案（3）是我发现的最好的！）

（1）快速解决方案。如果列中非常有限的列是非数字列，并且拥有唯一的名称，例如列id和name。你可以做的是：

第一套指标['id', 'name']保护它们，

df = df.set_index(['id', 'name']) 

然后用DataFrame.groupby功能上columns，设置axis=1（在每列迭代），申请mean功能为每个组。

df.groupby(by=df.columns, axis=1).mean() 

最后，重置索引恢复['id', 'name']列

df = df.reset_index() 

下面是一个示例代码：

In [35]: df = pd.DataFrame([['001', 'a', 1, 10, 100, 1000], ['002', 'b', 2, 20, 200, 2000]], columns=['id', 'name', 'c1', 'c2', 'c2', 'c3'], index=list('AB')) 

In [36]: df = df.set_index(['id', 'name']) 

In [37]: df = df.groupby(by=df.columns, axis=1).mean() 

In [38]: df = df.reset_index() 

In [39]: df 
Out[39]: 
    id name c1 c2 c3 
0 001 a 1 55 1000 
1 002 b 2 110 2000 

（2）的完整解决方案。如果你有很多是非数字和独特命名的栏目，你可以做的是：

一转你数据帧，

df2 = df.transpose() 

然后，通过操作做组（在其索引和axis=0） ，但仔细处理每个组：对于这些数字组，返回它们的平均值;对于这些非数字组，返回他们的第一行：

df2 = df2.groupby(by=df2.index, axis=0).apply(lambda g: g.mean() if isinstance(g.iloc[0,0], numbers.Number) else g.iloc[0]) 

最后，转回来：

df = df2.transpose() 

下面是代码示例：

In [98]: df = pd.DataFrame([['001', 'a', 1, 10, 100, 1000], ['002', 'b', 2, 20, 200, 2000]], columns=['id', 'name', 'c1', 'c2', 'c2', 'c3'], index=list('AB')) 

In [99]: df2 = df.transpose() 

In [100]: df2 = df2.groupby(by=df2.index, axis=0).apply(lambda g: g.mean() if isinstance(g.iloc[0,0], numbers.Number) else g.iloc[0]) 

In [101]: df3 = df2.transpose() 

In [102]: df3 
Out[102]: 
    c1 c2 c3 id name 
A 1 55 1000 001 a 
B 2 110 2000 002 b 

In [103]: df 
Out[103]: 
    id name c1 c2 c2 c3 
A 001 a 1 10 100 1000 
B 002 b 2 20 200 2000 

您需要import numbers

更多笔记：

（3）所有在一个！该解决方案是我找到了最好的：

df.groupby(by=df.columns, axis=1).apply(lambda g: g.mean(axis=1) if isinstance(g.iloc[0,0], numbers.Number) else g.iloc[:,0]) 

我试图处理每个组未置组，也就是

df.groupby(by=df.columns, axis=1).apply(gf) 

而且

gf = lambda g: g.mean(axis=1) if isinstance(g.iloc[0,0], numbers.Number) else g.iloc[:,0] 

我失败过，因为我不仔细地把这个轴移动。您必须为mean函数设置axis=1，并返回非数字组的列。

谢谢！