python的.groupby.mean函数后，字段消失

在Python中，使用.groupby.mean()函数对数据进行分组并计算平均值时，结果会以分组的键作为索引，其他字段则会被排除。这是因为.mean()函数的操作是对分组后的数据进行聚合计算，只返回聚合结果。
如果你希望保留其他字段，可以使用.groupby()函数进行分组，然后使用.aggregate()函数对每个分组进行多个操作，包括计算平均值。例如：

import pandas as pd

# 创建示例数据
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
        'B': ['one', 'one', 'two', 'two', 'two', 'one', 'two', 'one'],
        'C': [1, 2, 3, 4, 5, 6, 7, 8],
        'D': [9, 10, 11, 12, 13, 14, 15, 16]}

df = pd.DataFrame(data)

# 使用.groupby().aggregate()保留其他字段
result = df.groupby(['A', 'B']).aggregate({'C': 'mean', 'D': 'sum'})

print(result)

这样可以对字段'C'计算平均值，同时对字段'D'进行求和，结果会保留分组的键以及计算结果。

相关问题

pandas.groupby后面可以用什么函数

### Pandas `groupby` 后可使用的聚合函数和操作

#### 聚合函数概述
在 Pandas 中，`groupby()` 方法之后可以使用多种聚合函数来对分组后的数据进行分析。这些函数能够帮助用户快速获取不同维度下的统计数据和其他有用的信息。

常见的聚合函数包括但不限于：

- **count()**: 计算每组中非NA/null观测值的数量[^1]。

- **sum()**: 返回各组数值列的总和[^1]。

- **mean()**: 获取平均数，即所有成员求和再除以数量的结果。

- **median()**: 找出中间位置上的那个数作为代表值；如果存在偶数个样本，则取两个最接近中心位置数字均值.

- **min(), max()**: 分别找出最小值与最大值.

除了上述基本统计量外，还可以利用自定义函数实现更复杂的逻辑运算。例如，当需要找到特定条件下表现最好的记录时，就可以借助于像 `idxmax()` 这样的辅助工具来定位索引并提取对应行的数据[^4]。

#### 使用 `agg()` 实现多列或多指标聚合
为了满足更加多样化的业务场景需求，在实际工作中往往不止关注单一字段的表现情况。此时可以通过调用 `agg()` 来一次性完成多项任务。该方法允许传入字典形式参数，键为待处理的目标变量名而值则表示希望施加的操作名称或匿名表达式[^2]。

下面给出一段简单的 Python 代码示例展示如何运用 `agg()` 对多个属性同时实施不同类型变换：

import pandas as pd

data = {'Team': ['A', 'B', 'C'],
        'Score_1': [80, 90, 75],
        'Score_2': [85, 88, 78]}
df = pd.DataFrame(data)

result = df.groupby('Team').agg({
    'Score_1': ['mean', 'std'], 
    'Score_2': lambda x: sum(x)/len(x)})
print(result)

这段程序会先按团队分类整理原始成绩表单，接着分别计算两门课程得分均值及其标准差（对于第二项而言采用的是lambda简化版写法），最终输出一个包含新特征的新表格结构。

Pandas.groupby释义

Pandas的`groupby()`函数是用于数据分析中的一种强大工具，它允许我们将数据集按照一个或多个列的值进行分组，然后对每个组执行聚合操作，如计算平均值、总和、计数等。这里有两个例子：

1. **按单一字段分组**[^1]:

   df = pd.read_csv("文件路径")
   group_by_column = df["列名1"].groupby(df["列名2"])

这里，`df["列名2"]`是我们要依据其值进行分组的列。`group_by_column`现在包含了各个"列名2"的子集，可以进一步调用聚合函数来处理这些子集。

2. **多字段分组并计算平均值**:

   group = df["列名1"].groupby([df["列名2"],df["列名3"]])
   group_mean = group.mean()

这里，我们按两个字段`"列名2"`和`"列名3"`进行分组，然后计算结果集中`"列名1"`的平均值。`group_mean`会返回一个新的DataFrame，其中每一行对应于一个分组，每一列则是相应字段的平均值。