python分组计算平均值

假设你有一个包含数据的列表，你可以使用Python的内置函数`groupby()`和`mean()`来分组计算平均值。以下是一个示例代码：

from itertools import groupby

data = [("A", 10), ("B", 15), ("A", 8), ("C", 12), ("B", 20), ("A", 7)]

data.sort(key=lambda x: x[0]) # 先按照第一个元素排序

result = {}

for key, group in groupby(data, lambda x: x[0]):
    values = [x[1] for x in group] # 获取该组的数值
    result[key] = sum(values) / len(values) # 计算平均值

print(result)

该代码将输出一个字典，其中键为组的名称，值为该组的平均值。例如，如果你的数据是上面的示例数据，则输出将是`{"A": 8.33, "B": 17.5, "C": 12.0}`。

相关问题

pandas怎么分组计算平均值

你可以使用`groupby()`方法来对数据进行分组，并使用`mean()`方法来计算每个组的平均值。下面是一个简单的示例：

import pandas as pd

# 创建一个示例数据框
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Emma', 'Frank'],
        'Gender': ['F', 'M', 'M', 'M', 'F', 'M'],
        'Age': [25, 32, 18, 47, 22, 36],
        'Salary': [50000, 80000, 35000, 100000, 42000, 75000]}
df = pd.DataFrame(data)

# 按性别分组并计算平均工资
avg_salary_by_gender = df.groupby('Gender')['Salary'].mean()

print(avg_salary_by_gender)

上述代码将按`Gender`列进行分组，并计算每个组的平均`Salary`值。输出结果如下：

Gender
F    46000.0
M    65000.0
Name: Salary, dtype: float64

可以看到，`avg_salary_by_gender`是一个Pandas系列对象，包含了每个性别的平均工资。

python按类分组求平均值

假设你有一个包含多个类别的数据集，每个类别下都有多个数值，你想要按类别分组，计算每个类别下数值的平均值。可以使用Python中的pandas库来实现。具体步骤如下：

1. 导入pandas库

import pandas as pd

2. 创建数据集

假设你的数据集如下：

data = pd.DataFrame({
    'class': ['A', 'A', 'B', 'B', 'B', 'C', 'C'],
    'value': [1, 2, 3, 4, 5, 6, 7]
})

其中，`class`列为类别，`value`列为数值。

3. 按类别分组求平均值

使用`groupby`函数按类别分组，然后使用`mean`函数求平均值：

result = data.groupby('class').mean()

最终结果如下：

       value
class       
A        1.5
B        4.0
C        6.5

其中，`class`列为索引，`value`列为平均值。