dataframe按照相同列求和取平均值

您可以使用 pandas 库来操作 dataframe，并使用 groupby() 方法按照相同列求和，然后使用 mean() 方法取平均值。例如，假设您的 dataframe 名称为 df，要按照列名为 'column_name' 的列求和并取平均值，代码如下：

df.groupby('column_name').sum().mean()

其中，sum() 方法对相同列进行求和，groupby() 方法按照相同列分组，mean() 方法对每个分组求平均值。

相关问题

有一列整数列A= [1, 2, 2, 3, 4, 5, 5, 5, 6, 7, 7]的DatraFrame，删除数值重复的行 2) 一个全数值DatraFrame，每个数字减去该行的平均数 3) 一个有5列的DataFrame，求哪一列的和最小 4) 给定DataFrame，求A列每个值的前3的B的值的和 5) 给定DataFrame，有列A, B，A的值在1-100（含），对A列每10步长，求对应的B的和 6) 给定DataFrame，计算每个元素至左边最近的0（或者至开头）的距离，生成新列y 7) 一个全数值的DataFrame，返回最大3个值的坐标 8) 给定DataFrame，将负值代替为同组的平均值 9) 计算3位滑动窗口的平均值，忽略NAN 10) 创建Series s，将2015所有工作日作为随机值的索引 11) 所有礼拜三的值求和 12) 求每个自然月的平均数 13) 每连续4个月为一组，求最大值所在的日期 14) 创建2015-2016每月第三个星期四的序列

1) df = pd.DataFrame({'A': [1, 2, 2, 3, 4, 5, 5, 5, 6, 7, 7]})
df.drop_duplicates(inplace=True)

2) df = df.sub(df.mean(axis=1), axis=0)

3) df.sum().idxmin()

4) df.groupby('A')['B'].apply(lambda x: x.nlargest(3).sum())

5) df.groupby(pd.cut(df['A'], np.arange(0, 101, 10)))['B'].sum()

6) df['y'] = df.groupby((df['A'] != df['A'].shift()).cumsum()).cumcount()

7) df.unstack().nlargest(3).index.tolist()

8) df[df < 0] = df.groupby('group').transform('mean')

9) df.rolling(window=3, min_periods=1).mean()

10) s = pd.Series(np.random.rand(len(pd.date_range('2015-01-01', '2015-12-31', freq='B'))), index=pd.date_range('2015-01-01', '2015-12-31', freq='B'))

11) s[s.index.weekday == 2].sum()

12) df.groupby(pd.Grouper(freq='M')).mean()

13) df.groupby(pd.Grouper(freq='4M')).max()

14) pd.date_range('2015-01-01', '2016-12-31', freq='WOM-3THU')

Python的df = pd.DataFrame([['日期1','代码1', 1,2.5],['日期1','代码2', 1, 2.1],['日期2','代码3', 1,4],['日期2','代码4', 1,4.3]] , columns=['日期','代码' ,'累计','涨幅'])，要求日期相同的合成一个，代码用列表的方式，如['代码1', '代码2']，累计列求和，涨幅列求和后平均，怎么写？

你可以使用`groupby`函数对日期进行分组，然后对每个分组进行聚合计算：

import pandas as pd

df = pd.DataFrame([['日期1','代码1', 1,2.5],['日期1','代码2', 1, 2.1],['日期2','代码3', 1,4],['日期2','代码4', 1,4.3]],
                  columns=['日期','代码' ,'累计','涨幅'])

# 将代码列转换为列表
df['代码'] = df['代码'].apply(lambda x: [x])

# 分组并聚合计算
df = df.groupby('日期').agg({'代码': 'sum', '累计': 'sum', '涨幅': 'mean'}).reset_index()

print(df)

输出结果为：

     日期          代码  累计    涨幅
0  日期1  [代码1, 代码2]   2  2.30
1  日期2  [代码3, 代码4]   2  4.15

这里使用了`agg`函数对每列进行不同的聚合操作，其中`'代码': 'sum'`表示将代码列进行列表拼接，`'累计': 'sum'`表示对累计列求和，`'涨幅': 'mean'`表示对涨幅列求和后取平均值。然后使用`reset_index`函数将日期列变回普通列。