Python 2.7 熊猫获得平均列名和额外的字符串列

在0.18.1、python 2.7.6中：

假设我们有下表：

ID,FROM_YEAR,FROM_MONTH,AREA
1,2015,1,200
1,2015,2,200
1,2015,3,200
1,2015,4,200
1,2015,5,200
1,2015,6,200
1,2015,7,200
1,2015,8,200
1,2015,9,200
1,2015,10,200
1,2015,11,200
1,2015,12,200
1,2016,1,100
1,2016,2,100
1,2016,3,100
1,2016,4,100
1,2016,5,100
1,2016,6,100
1,2016,7,100
1,2016,8,100
1,2016,9,100
1,2016,10,100
1,2016,11,100
1,2016,12,100

我们正试图得到以下格式的日历年平均值

ID,FROM_YEAR,TYPE,AREA
1,2015,A,200
1,2016,A,100
1,2015,B,200
1,2016,B,100

注意：类型是用于其他信息的字符串列。这里我们只有两种类型的“类型”：“A”和“B”

如果我们尝试以下操作，“AREA”列名称将丢失，并且ID=1仅在第一种情况下显示

AREA_CY=df.groupby(['ID','FROM_YEAR'])['AREA'].mean()

它返回：

ID,FROM_YEAR,
1,2015,200
,2016,100
,2015,200
,2016,100

TypeError: mean() got an unexpected keyword argument 'axis'

如果我们尝试以下方法：

AREA_CY=df.groupby(['ID','FROM_YEAR'])['AREA'].mean(axis=1)

它返回：

ID,FROM_YEAR,
1,2015,200
,2016,100
,2015,200
,2016,100

TypeError: mean() got an unexpected keyword argument 'axis'

任何古鲁都能开悟吗？谢谢

试试这个：

In [102]: x = df.groupby(['ID','FROM_YEAR'])['AREA'].mean().reset_index(name='AREA')

In [103]: y = pd.DataFrame({'TYPE':['A','B']})

In [104]: x
Out[104]:
   ID  FROM_YEAR  AREA
0   1       2015   200
1   1       2016   100

In [105]: y
Out[105]:
  TYPE
0    A
1    B

In [106]: x.assign(key=0).merge(y.assign(key=0), on='key').drop('key', 1)
Out[106]:
   ID  FROM_YEAR  AREA TYPE
0   1       2015   200    A
1   1       2015   200    B
2   1       2016   100    A
3   1       2016   100    B

说明：

让我们对

x

和

y

DFs进行一次（也称为完全外部连接）：

In [126]: x.assign(key=0)
Out[126]:
   ID  FROM_YEAR  AREA  key
0   1       2015   200    0
1   1       2016   100    0

In [127]: y.assign(key=0)
Out[127]:
  TYPE  key
0    A    0
1    B    0

In [128]: x.assign(key=0).merge(y.assign(key=0), on='key')
Out[128]:
   ID  FROM_YEAR  AREA  key TYPE
0   1       2015   200    0    A
1   1       2015   200    0    B
2   1       2016   100    0    A
3   1       2016   100    0    B

---

谢谢你能简要解释一下这句话吗？x、 赋值（key=0）。合并（y.assign（key=0），on='key'）。删除（'key'，1）。感谢#MaxU的清晰解释。在开发本主题中的代码时，我还遇到了另一个挑战。你能帮我吗？我完全同意！