Python 熊猫带着许多钥匙从旁边经过

事先道歉。我是Python/Pandas新手，所以这个问题可能提出得不好

我有一个数据框，大约有400万行，大约有10列

我想计算每个组的第一列（比如A）的平均值，该组由其他每列（比如B、C、D、E、F、G、H、I、J）的不同值定义。这定义了大约200000个组

我试过群比

mytest = df.groupby(['B','C','D', 'E', 'F', 'G', 'H', 'I', 'J'])
mytest.mean()

这会导致Python抓取计算机上的所有内存（32GB）并崩溃。在Stata中，我可以在键入以下内容时获得所需的结果：

collapse A, by(B C D E F G H I J)

就像冠军一样

如何使用Pandas/Python执行相同的操作？非常感谢您的帮助。

我刚刚运行了这个

df = pd.DataFrame((np.random.rand(4000000, 10) * 10).astype(int),
                   columns=list('ABCDEFGHIJ'))

gb = df.groupby(list('BCDEFGHIJ'))

gb.mean()

没有问题。我也在一台32 GB的内存机器上。我已经使用了大量内存，但这并没有产生太大的影响。我猜问题是：

这定义了大约200000个组

我唯一能想到的另一件事是将groupby对象限制在

['A']

列。像这样：

gb = df.groupby(list('BCDEFGHIJ'))['A']

否则，您将不得不编写另一个算法。。。也许吧