Python Pandas Dataframe：在不断增加的列数上循环并计算平均值和标准值

基本上，我有一个包含20个属性和一个值的表。我想找到std=0时所需的最低属性数（即粒度级别完美到允许1:1）

我想设置一个循环，如果使用列名进行硬编码，它将如下所示：

for iter in range(1,21):
  dfcalc = df.groupby("LINE_NUM")["RATIO"].agg([np.mean, np.std])
  dfcalc = df.groupby("LINE_NUM","TYPE")["RATIO"].agg([np.mean, np.std])

---

如何使用循环中的iter变量定义我要分组的列？

如果我正确理解您的要求，您可以这样做：

for i in range(1, len(df.columns) + 1):
    df.groupby(df.columns[:i].tolist()).agg([np.mean, np.std])

（

iter

是内置函数的名称）

---

您也可以使用

.iloc

进行。

如果我正确理解您的需求，您可以执行以下操作：

for i in range(1, len(df.columns) + 1):
    df.groupby(df.columns[:i].tolist()).agg([np.mean, np.std])

（

iter

是内置函数的名称）

---

您也可以使用

.iloc

进行。

我得到“ValueError:gropper和axis必须具有相同的长度”。另外，它不需要指定它应该表示的列和std:import pandas as pd，numpy as np df=pd.DataFrame（np.array（['A'，'A'，'C'，7]，'W'，'C'，'D'，8]，'W'，'A'，'C'，9]），columns=['att1'，'att2'，'att3'，'ratio']）范围（1，len df columns）+1）：df groupby（df columns[：i]）.agg（[np mean，np std]）我得到“ValueError:Grouper和axis必须具有相同的长度”。另外，它不需要指定它应该表示的列以及std:import pandas as pd，numpy as np df=pd.DataFrame（np.array（[[A'，'A'，'C'，7'，'W'，'C'，'D'，8'，'W'，'A'，'C'，9]]），列=['att1，len df columns）+1:df groupby范围内i的[att1'，'att2'，'att3'，'ratio']）（df.列[：i]）.agg（[np.平均值，np.标准]）