Python Pandas groupby并将不同的列求和在一起

我把这个数据框称为

sum_2

我希望能够同时取（

total\u tom

+

total\u tomo\u CalR

+

total\u CalR

）的平均值，同时忽略NaN值，并按

Time

、

Type\u鼠标

和

鼠标

进行分组，因为我不想要不同的

时间

s、

Type\u鼠标

，和

鼠标编号

值相互相加

理想情况下，我想要的输出是（126.0+91.0+53.0）/3=90（90是所有值相加的平均值）

我相信

pandas

在使用

.sum（）

和

.mean（）

时会自动忽略NaN值（如果我错了，请纠正我）

您可以在groupby之后使用agg（）函数。 In-pass列名和要在键值对ex中执行的函数：

df1=df.groupby([some columns]).agg({'coulmn_name_to_agg':'sum/mean/count','another_column':'sum/mean/count'})

链接到agg文档

---

您可以使用

.groupby

和

.transform

将要添加的列添加到一起

sum_2['new_col'] = sum_2.groupby(['Time','Type_of_mouse', 'Mouse_number'])['total_tom'].transform(mean) + sum_2.groupby(['Time','Type_of_mouse', 'Mouse_number'])['total_Tomato_CalR'].transform(mean) + sum_2.groupby(['Time','Type_of_mouse', 'Mouse_number'])['total_CalR'].transform(mean)

这也可能是一个更简洁的版本：

gb = sum_2.groupby(['Time','Type_of_mouse', 'Mouse_number'])
sum_2['new_col'] = gb.total_tom.transform(mean) + gb.total_Tomato_CalR.transform(mean) + gb.total_CalR.transform(mean)

IIUC，你需要：

grp = sum_df.groupby(['Time', 'Type_of_mouse'])
grp.sum().sum(axis=1) / grp.count().sum(axis=1)

输出：

Time      Type_of_mouse
15w pTam  FF                90.00
          WT               138.00
2w pTam   FF               109.20
          WT               128.00
8m pTam   FF               115.50
          WT               176.75
dtype: float64

---

请不要张贴图片。看一看。也许我的措辞令人困惑或完全错误，但我已将我的问题编辑为包括（126.0+91.0+53.0）/3，即括号中的“total_tom”、“total_Tomo_CalR”和“total_CalR”的值。我之所以添加此评论，是因为我认为您理解我的问题是说我想要这些列的平均值。您能否以可复制和粘贴的格式提供上述示例数据？请看这里：刚刚发布。让我知道我是否应该提供更多的例子或信息。非常感谢！这就是我需要的。

Time      Type_of_mouse
15w pTam  FF                90.00
          WT               138.00
2w pTam   FF               109.20
          WT               128.00
8m pTam   FF               115.50
          WT               176.75
dtype: float64