我有一個熊貓資料框，如下所示：
data = {'id': ['a1', 'a1', 'a1', 'a2', 'a2', 'a2', 'a2', 'a2', 'a3'], 'val1': [1, 2, 3, 4, 5, 6, 7, 8, 9], 'val2': [10, 20, 30, 40, 50, 60, 70, 80, 90]}
df = pd.DataFrame(data)
它具有以下表示：
id val1 val2
0 a1 1 10
1 a1 2 20
2 a1 3 30
3 a2 4 40
4 a2 5 50
5 a2 6 60
6 a2 7 70
7 a2 8 80
8 a3 9 90
我想按 id 對資料幀進行分組，并得到按 N 行分組的 val1 和 val2 的平均值。
例如，如果N=2，預期輸出將是：
id val1 val2
0 a1 1.5 15
1 a1 3 30
2 a2 4.5 45
3 a2 6.5 65
4 a2 8 80
5 a3 9 90
因為它是每 2 個元素的每個 id 的平均值。
我的問題是：考慮到N作為引數提供的最有效的方法是什么？
uj5u.com熱心網友回復：
對組使用GroupBy.cumcount整數除法，然后聚合mean：
N = 2
g = df.groupby('id').cumcount() // N
df = df.groupby(['id', g]).mean().droplevel(1).reset_index()
print (df)
id val1 val2
0 a1 1.5 15.0
1 a1 3.0 30.0
2 a2 4.5 45.0
3 a2 6.5 65.0
4 a2 8.0 80.0
5 a3 9.0 90.0
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/445138.html
上一篇：按特定列值隨機播放資料框中的行