dataframe 分组取平均值

可以使用 Pandas 中的 groupby 函数来对 DataFrame 进行分组，并使用 mean 函数计算每个组的平均值。例如：

import pandas as pd

# 创建 DataFrame
df = pd.DataFrame({
    'group': ['A', 'A', 'B', 'B', 'B'],
    'value': [1, 2, 3, 4, 5]
})

# 按照 group 列分组，并计算每个组的平均值
result = df.groupby('group').mean()

print(result)

输出结果为：

       value
group       
A        1.5
B        4.0

这里将 DataFrame 按照 `group` 列进行分组，然后计算每个组的平均值，并将结果存储在 `result` 变量中。

相关问题

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。

python对字段分组取众数，没有众数则取平均值

在Python中，如果你有一个包含数值数据的Pandas DataFrame，并想按照某列对另一列的值进行分组，然后计算每个组的众数（最常见的值），如果没有众数则取平均值，可以使用`groupby()`函数配合`mode()`函数来找到众数，如果没有找到，则可以用`mean()`函数求平均。这里是一个简单的例子：

import pandas as pd

# 假设df是一个DataFrame，有两列data和category
df = pd.DataFrame({
   'category': ['A', 'B', 'A', 'B', 'A', 'A', 'B', 'C'],
   'data': [1, 2, 3, 4, 5, 6, 7, 8]
})

# 按照category分组并计算data的众数，如果不存在就用mean填充缺失
df['mode_or_mean'] = df.groupby('category')['data'].apply(lambda x: x.mode().values[0] if len(x.mode()) > 0 else x.mean())

print(df)

在这个例子中，`mode()`会返回每组`data`的众数列表，如果没有众数（`len(x.mode()) == 0`），就会取`mean()`。结果中的'mode_or_mean'列将包含每个'category'下的处理后的数据。