我有以下資料框
Jan Feb Mar Apr May Jun July Aug Sep Oct Nov Dec
store_id
S_1 8.0 20.0 13.0 21.0 17.0 20.0 24.0 17.0 16.0 9.0 7.0 6.0
S_10 14.0 23.0 20.0 11.0 12.0 13.0 19.0 6.0 5.0 22.0 17.0 16.0
我想計算每個季度每家商店的平均值：
Q1 Q2 Q3 Q4
store_id
S_1 13.67 19.33 15.67 7.33
S_10 19.0 12.0 10.0 18.33
如何做到這一點？
uj5u.com熱心網友回復：
將值轉換為按季度DatetimeIndex.quarter并聚合，如果更改列的順序，它也可以正常作業：
#if necessary
df = df.rename(columns={'July':'Jul'})
df = (df.groupby(pd.to_datetime(df.columns, format='%b').quarter, axis=1)
.mean()
.add_prefix('Q')
.round(2))
print(df)
Q1 Q2 Q3 Q4
store_id
S_1 13.67 19.33 19.0 7.33
S_10 19.00 12.00 10.0 18.33
uj5u.com熱心網友回復：
假設您按順序排列列，請使用groupbyon axis=1：
import numpy as np
out = df.groupby([np.arange(df.shape[1])//3 1], axis=1).mean().add_prefix('Q')
輸出：
Q1 Q2 Q3 Q4
store_id
S_1 13.666667 19.333333 19.0 7.333333
S_10 19.000000 12.000000 10.0 18.333333
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/434779.html