pandas分组求平均值

可以使用 pandas 的 groupby 方法来进行分组求平均值操作，示例代码如下：

import pandas as pd

# 构造示例数据
data = {'group': ['A', 'B', 'C', 'A', 'B', 'C'],
        'value': [1, 2, 3, 4, 5, 6]}
df = pd.DataFrame(data)

# 分组求平均值
result = df.groupby('group')['value'].mean()
print(result)

输出结果为：

group
A    2.5
B    3.5
C    4.5
Name: value, dtype: float64

其中，`groupby('group')` 表示按照 'group' 列进行分组，`['value']` 表示对 'value' 列进行操作，`.mean()` 表示求平均值。

相关问题

pandas分组统计平均值并保留俩位小数

在Pandas库中，你可以使用`groupby()`函数对数据进行分组，并结合`mean()`函数计算每个组的平均值。如果你想保留结果的小数点后两位，可以利用`round()`函数来进行四舍五入。下面是一个简单的例子：

import pandas as pd

# 假设我们有一个DataFrame df
df = pd.DataFrame({
   'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
   'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
   'C': [1, 2, 3, 4, 5, 6, 7, 8],
   'D': [10, 20, 30, 40, 50, 60, 70, 80]
})

# 对'A'列进行分组，计算'C'和'D'列的平均值，并保留两位小数
grouped_df = df.groupby('A').agg({'C': 'mean', 'D': 'mean'}).round(2)

print(grouped_df)

这将返回一个新的DataFrame，其中包含了'A'列各组的'C'和'D'列的平均值，且结果已经四舍五入到小数点后两位。

pandas 分组平均最大值

Pandas 是一种强大的数据分析工具，其中最常用的功能之一是分组。 Pandas 中的 groupby 函数可以将数据分为一个或多个分组，然后对每个分组执行各种操作，例如计算平均值、最大值等。在分组期间，我们可以使用各种聚合函数对数据进行操作。

对于分组平均最大值，我们可以使用 Pandas 的 groupby 函数以及相关的聚合函数进行操作。假设有一个包含各种数据的 DataFrame，我们可以使用 groupby 函数将其按某一列进行分组，然后使用 mean 和 max 函数计算每个组的平均值和最大值。

下面是代码示例：

import pandas as pd

# 创建一个包含各种数据的 DataFrame
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
        'B': ['one', 'one', 'two', 'two', 'two', 'one', 'one', 'two'],
        'C': [1, 2, 3, 4, 5, 6, 7, 8],
        'D': [10, 20, 30, 40, 50, 60, 70, 80]}

df = pd.DataFrame(data)

# 以列 A 作为分组依据，计算每个组的平均值和最大值
df_grouped = df.groupby('A').agg({'C': 'mean', 'D': 'max'})

# 输出结果
print(df_grouped)

输出结果如下：

            C   D
A               
bar  4.000000  60
foo  4.666667  80

这表示按 'A' 列分组后，'bar' 组的平均值为 4，最大值为 60，'foo' 组的平均值为 4.67，最大值为 80。