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。

相关问题

python中求csv平均值并且保留两位小数

可以使用Python内置的csv模块和numpy模块来实现。

这里提供两种方法：

方法一：使用csv模块读取csv文件并使用numpy计算平均值：

import csv
import numpy as np

# 读取csv文件
with open('data.csv', 'r') as f:
    reader = csv.reader(f)
    data = [row for row in reader]

# 转换为numpy数组并计算平均值
data = np.array(data[1:], dtype=np.float32)
mean = np.mean(data, axis=0)

# 输出平均值并保留两位小数
print('平均值为：', ['%.2f' % m for m in mean])

方法二：使用pandas读取csv文件并计算平均值：

import pandas as pd

# 读取csv文件并计算平均值
data = pd.read_csv('data.csv')
mean = data.mean()

# 输出平均值并保留两位小数
print('平均值为：', ['%.2f' % m for m in mean])

两种方法的输出结果都会保留两位小数的平均值。其中，第一种方法需要手动将读取的字符串数据转换为float数据，而第二种方法会自动进行类型转换。

pandas如何将数据转换成保留两位小数

在Pandas中，你可以使用`round()`函数或者`astype()`函数配合`float`类型和`decimal`模块来将数据精确到小数点后两位。以下是两个例子：

1. 使用`round()`函数：

df['column_name'] = df['column_name'].round(2)

这里，`column_name`是你想要转换的列名，`2`表示保留两位小数。

2. 使用`astype()`和`decimal`模块：

from decimal import Decimal

# 先将列转为字符串，然后转换回Decimal类型，并再次转回浮点数
df['column_name'] = df['column_name'].apply(lambda x: str(x).replace('.', '').rstrip('0') + '.00' if not isinstance(x, float) else round(x, 2))

这个方法会先移除小数点后的零，然后再添加'.00'，如果原值已经是float类型，则直接四舍五入到两位。