Python 然后得到组平均值

我的目标是做一个聚合，得到组平均值： -属于特定组的列值之和 -将其除以该组中的观察数 -最好是在熊猫馆，而不是去动物园

我的原始数据集每个组有多行：

    user_id  performance  group expert_level
0   164         30          0      L-1
1   164          3          1      L-1
2   164         23          2      L-1
3   164          1          3      L-1       
4   164          1          4      L-1       
5  2178        136          0      L-3       
6  2178         16          1      L-3       
7  2178          5          2      L-3       
8  2178         25          3      L-3       
9  2178          4          4      L-3 

我希望在执行以下操作后为用户获取一行

filelocation = ~/'somefile.csv'

df = pd.read_csv(filelocation)

pivoted = df.pivot('user_id', 'group', 'performance')
lookup = df.drop_duplicates('user_id')[['user_id', 'expert_level']]
lookup.set_index(['user_id'], inplace=True)
result = pivoted.join(lookup)
result = result.fillna(0)
result.loc[:,0:15] = result.loc[:,0:15].div(result.sum(axis=1), axis=0)
print result.head()

上面的操作让我了解到以下内容：（共有15列，但显示的列很少，但包括了group列）

现在我要做的是按组级别对所有列求和，以得到以下结果：

group   X0        X1        X2        X3        X4       X5       X6      X7       X8  
L-4   70294161  41480184  85284328  32006784  24122706  7559884  9984039 1226385 13104 
L-3  139093997  65157598 158343549  55562729  40113567 12062095 15126124 1642933 18661 
L-6  286610049 214763097 383541227 175932665 152843219 49444750 54246772 5863108 78769 
L-5   43320302  29719739  58270825  24719553  19347706  5876604  7483654  789694  8734  
L-2   69965163  23882048  80798434  26442583  16951986  4495711  5789449  550780  7190  
L-1   22486756   5373632  26068005   7755806   4204398   950759  1626565  123037  2156  

完成后，我将文件放入R以获得上表：

dt.agg <- dt[,lapply(.SD, mean),by=group]

dt.agg试试：

实际上，您自己的代码也可以工作：

> ddt[,lapply(.SD, mean),by=group]
   group user_id       X0       X1       X2       X3        X4        X5        X6
1:   L-5      26 0.808791 0.098393 0.044130 0.013997 0.0282635 0.0023985 0.0003975
2:   L-2       4 0.836877 0.018336 0.049429 0.025246 0.0527060 0.0024360 0.0040750
3:   L-4      16 0.910467 0.046083 0.017775 0.011192 0.0111920 0.0006580 0.0000000
4:   L-1      51 0.401827 0.120086 0.041260 0.085395 0.2864620 0.0324340 0.0012320

在最后一步中，当您按
组
对它们进行求和时，求和与
用户id
无关，对吗？是的，它不关心用户id，正如您可以看到的，我已经删除了用户id。我刚刚意识到了这个问题，当我读取csv文件时，所有这些列都在R中读取为因子。我可以使用as.numeric将除分组列以外的所有列更改为numericTry:cbind（sappy（ddt[，1:8，with=F]，as.numeric），ddt[，9，with=F]）我总共有17列，所以我做了以下操作：
cbind（sappy（ddt[，1:17，with=F]，as.numeric），ddt[，18，with=F]）
但在
[.data.table
中给了我
错误（ddt，18，with=F）：j越界
如果您有17列，并且组是您的最后一列，您应该在第一部分使用1:16而不是1:17，在第二部分使用ddt[，17，with=F]。使用dd[，18，with=F]显然会给您带来错误。
dt.agg <- dt[, lapply(.SD, function(x){sum(x)/.N}), by = group]

> ddt
   user_id       X0       X1       X2       X3       X4       X5       X6 group
1:       2 0.863296 0.059643 0.023498 0.018470 0.022241 0.004797 0.000795   L-5
2:       4 0.836877 0.018336 0.049429 0.025246 0.052706 0.002436 0.004075   L-2
3:      16 0.910467 0.046083 0.017775 0.011192 0.011192 0.000658 0.000000   L-4
4:      50 0.754286 0.137143 0.064762 0.009524 0.034286 0.000000 0.000000   L-5
5:      51 0.401827 0.120086 0.041260 0.085395 0.286462 0.032434 0.001232   L-1

> ddt[,lapply(ddt[,2:8,with=F], mean),by=group]
   group        X0        X1        X2        X3        X4       X5        X6
1:   L-5 0.7533506 0.0762582 0.0393448 0.0299654 0.0813774 0.008065 0.0012204
2:   L-2 0.7533506 0.0762582 0.0393448 0.0299654 0.0813774 0.008065 0.0012204
3:   L-4 0.7533506 0.0762582 0.0393448 0.0299654 0.0813774 0.008065 0.0012204
4:   L-1 0.7533506 0.0762582 0.0393448 0.0299654 0.0813774 0.008065 0.0012204

> ddt[,lapply(.SD, mean),by=group]
   group user_id       X0       X1       X2       X3        X4        X5        X6
1:   L-5      26 0.808791 0.098393 0.044130 0.013997 0.0282635 0.0023985 0.0003975
2:   L-2       4 0.836877 0.018336 0.049429 0.025246 0.0527060 0.0024360 0.0040750
3:   L-4      16 0.910467 0.046083 0.017775 0.011192 0.0111920 0.0006580 0.0000000
4:   L-1      51 0.401827 0.120086 0.041260 0.085395 0.2864620 0.0324340 0.0012320