我正在嘗試將三個 Pandas DataFrames 組合在一起
其中一個（稱為major）有一列category，其中每一行都有一個唯一的標簽：
major_df = pd.DataFrame(np.random.randint(0, 100, size=(3, 2)), columns=list("AB"))
major_df["category"] = pd.Series(["cat_A", "cat_B", "cat_C"])
A B category
0 90 17 cat_A
1 36 81 cat_B
2 90 67 cat_C
另外兩個 dfs（稱為minor) contains multiple rows and have their own unique column names. Each df has a column category`，其中每一行都有一個存在于主要 df 類別列中的值：
minor_dfs = {}
for k, cols in zip(("1st", "2nd"), ("CD", "EF")):
minor_dfs[k] = pd.DataFrame(np.random.randint(0, 100, size=(8, 2)), columns=list(cols))
minor_dfs[k]["category"] = np.random.choice(["cat_A", "cat_B", "cat_C"], 8)
這是其中一個次要 dfs 的示例。兩者之間的唯一區別是第一個次要 df 具有列C和D，而第二個具有列E和F。
C D category
0 71 44 cat_C
1 5 88 cat_C
2 8 78 cat_C
3 31 27 cat_C
4 42 48 cat_B
5 18 18 cat_B
6 84 23 cat_A
7 94 23 cat_A
因此，我的目標是根據類別列計算次要 dfs 中值的平均值，以便最后得到以下 dfs ：
C D
cat_A 89.00 23.00
cat_B 30.00 33.00
cat_C 28.75 59.25
其中每一列包含每個類別中值的平均值。
為此，我撰寫了以下代碼，其中我們使用來自不同類別值的次要 dfs 和索引的列值創建空的 DataFrame。然后我使用 for 回圈填充這個資料框，在其中迭代索引的每個值。
copy_dfs = {}
for k, min_df in minor_dfs.items():
# Get columns from minor df
# Get index from category of major df
col_names = min_df.columns.values
ind_values = major_df.category.values
# Create a df with columns and indices and set values to np.nan
copy_df = pd.DataFrame(np.nan, index=ind_values, columns=col_names)
copy_df = copy_df.drop("category", axis=1)
# For each category in the index of the dataframe
for maj_category in copy_df.index:
# Select rows in minor df where category is the same as major df category
minor_rows = min_df[min_df.category == maj_category]
minor_rows = minor_rows.drop("category", axis=1)
# Compute the mean values (by column) of the rows that were selected
# Add the mean values into copy_df, where the index corresponds to major df category
copy_df.loc[maj_category] = minor_rows.mean()
# Store into dict
copy_dfs[k] = copy_df
但是，我認為可以使用矢量化操作來優化此代碼，尤其是在我為每一行迭代的部分。所以我想知道是否有一種更簡單、更聰明的方法來完成我想要做的事情？
uj5u.com熱心網友回復：
這個？
import pandas as pd
df = pd.read_excel('test.xlsx')
df1 = df.groupby(['category']).mean()
print(df)
print(df1)
輸出：
C D category
0 71 44 cat_C
1 5 88 cat_C
2 8 78 cat_C
3 31 27 cat_C
4 42 48 cat_B
5 18 18 cat_B
6 84 23 cat_A
7 94 23 cat_A
C D
category
cat_A 89.00 23.00
cat_B 30.00 33.00
cat_C 28.75 59.25
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/370794.html