Python 添加一个新的数据帧列，并用条件计算填充它（平均值if、标准偏差if）

我需要在一个填充了条件平均值和标准偏差的数据框中添加两列

# Import pandas library 
import pandas as pd 

# Initialize list of lists 
data = [
    ['Tom',   'Blue', 'Small',  10, ], 
    ['Tom',   'Blue', 'Big',    15, ], 
    ['Tom',   'Red',  'Big',     3, ], 
    ['Tom',   'Red',  'Small',   8, ], 
    ['Tom',   'Red',  'Medium',  5, ], 
    ['Tom',   'Blue', 'Medium', 12, ], 
    ['Nick',  'Blue', 'Small',  15, ], 
    ['Nick',  'Red',  'Medium', 11, ], 
    ['Nick',  'Red',  'Small',  17, ], 
    ['Julie', 'Blue', 'Big',    14, ], 
    ['Julie', 'Red',  'Big',    11, ],
    ['Julie', 'Red',  'Medium',  3, ], 
    ['Julie', 'Red',  'Medium',  4, ],
]

# Create the pandas DataFrame 
df = pd.DataFrame(data, columns = ['Name', 'Colour', 'Size', 'Age']) 

# print dataframe. 
df

在本例中，我需要添加两列：

df['mean']

和

df['std']

仅以名称和颜色为条件

我查看了

.mean（）

和

.std（）

文档，但没有找到添加一组条件的方法。我相信我可能需要2个函数，对于每一行，将名称和颜色作为参数，计算整个系列的平均值或标准差，然后填充新列

我相信我需要一个函数来动态检查每行的名称和颜色，因为与此示例数据帧不同，我的应用程序针对的是具有数千个名称和数千种颜色的数据帧

我知道如何无条件地将

.mean

或

.std

应用于整个熊猫系列：

df['Age'].std()

或

我还发现，GROUPBY+转换做的事情稍有相似，但没有像函数那样动态检查每一行的能力

df['mean'] = df.groupby(['Name','Colour']).transform('mean')

谢谢你的帮助

这是我期望的输出。谢谢你的回答：

---

由于

transform

不支持

std

，我们可以通过

groupby（）.agg

和

merge

：

new_df = df.groupby(['Name', 'Colour']).Age.agg({'mean','std'})
df = df.merge(new_df, left_on=['Name', 'Colour'], right_index=True)

输出：

     Name Colour    Size  Age       std       mean
0     Tom   Blue   Small   10  2.516611  12.333333
1     Tom   Blue     Big   15  2.516611  12.333333
5     Tom   Blue  Medium   12  2.516611  12.333333
2     Tom    Red     Big    3  2.516611   5.333333
3     Tom    Red   Small    8  2.516611   5.333333
4     Tom    Red  Medium    5  2.516611   5.333333
6    Nick   Blue   Small   15       NaN  15.000000
7    Nick    Red  Medium   11  4.242641  14.000000
8    Nick    Red   Small   17  4.242641  14.000000
9   Julie   Blue     Big   14       NaN  14.000000
10  Julie    Red     Big   11  4.358899   6.000000
11  Julie    Red  Medium    3  4.358899   6.000000
12  Julie    Red  Medium    4  4.358899   6.000000

---

你能提供你想要的输出吗？df.groupby（['Name'，'color']）transform（'mean'）有什么问题吗？？下面的解决方案对mean很好：df.groupby（['Name'，'color']）。transform（'mean'），但我没有找到标准偏差的等效值。groupby（['Name'，'color']）.transform（'std'）您可以添加预期的输出，这样我们就可以停止这种猜测游戏了。Thanks@Alphynn

转换

和

std

应该可以工作。你能评论一下为什么没有？我猜您得到的是

ValueError:传递的项目数错误2，placement意味着1

，因为您只需要转换年龄列。添加

mean

列后，它也将转换该列。我缺少什么<代码>df.groupby（['Name'，'color']）.Age.transform（'std'）来自OP评论的工作。也许

df.groupby（['Name'，'color']）.Age.transform（'std'）

？啊！的确它在没有年龄限制的情况下工作。对于平均值，但它需要。年龄。为了代码的一致性，我在两者中都添加了.Age，它可以工作：df['mean']=df.groupby（['Name'，'color']）.Age.transform（'mean'）df['std']=df.groupby（['Name'，'color']）.Age.transform（'std'）谢谢！

     Name Colour    Size  Age       std       mean
0     Tom   Blue   Small   10  2.516611  12.333333
1     Tom   Blue     Big   15  2.516611  12.333333
5     Tom   Blue  Medium   12  2.516611  12.333333
2     Tom    Red     Big    3  2.516611   5.333333
3     Tom    Red   Small    8  2.516611   5.333333
4     Tom    Red  Medium    5  2.516611   5.333333
6    Nick   Blue   Small   15       NaN  15.000000
7    Nick    Red  Medium   11  4.242641  14.000000
8    Nick    Red   Small   17  4.242641  14.000000
9   Julie   Blue     Big   14       NaN  14.000000
10  Julie    Red     Big   11  4.358899   6.000000
11  Julie    Red  Medium    3  4.358899   6.000000
12  Julie    Red  Medium    4  4.358899   6.000000