Python 对数据帧中的单元格值执行groupby

我有一个数据帧，其中99列来自dx1-dx99，一列作为LOS。dxi列包含分类代码，它们没有任何顺序。代码可以出现在行中的任何列中。代码可以在列中重复，但不会在行中重复：

dx1 dx2 dx3 .   dx99    los
E10 I12 0 N18 R18       12
E10 I12 I31 E44 N17     7
E10 I12 N17 T86 0       5
I12 E10 N18 A04         1
E10 I12 B10 N18 Z99     4
E10 N18 Z76             1
E10 N18 Z99 N25 E78     8

我想计算数据帧中每个代码的平均服务水平。我发现我可以在多个列上应用groupby（）函数。但这并没有给我想要的结果。我需要以下格式的结果：

Codes    mean-LOS
E10      5.42    
I12      7.6
N18      5.2
.
.
etc.

您可以使用

groupby

和aggregate

mean

进行重塑：

df = df.melt('los', value_name='Codes')
#older version of pandas < 0.20.0
#df = pd.melt(df, 'los', value_name='Codes')
df = df.groupby('Codes', as_index=False)['los'].mean()
print (df)
   Codes        los
0      0   8.500000
1    A04   1.000000
2    B10   4.000000
3    E10   5.428571
4    E44   7.000000
5    E78   8.000000
6    I12   5.800000
7    I31   7.000000
8    N17   6.000000
9    N18   5.200000
10   N25   8.000000
11   R18  12.000000
12   T86   5.000000
13   Z76   1.000000
14   Z99   6.000000

---

我得到错误数据帧对象没有属性“melt”。这是因为新版熊猫有这种方法吗？我有“0.17.1”。确切地说，

df.melt

是在

0.20.0

版本中实现的。

df = df.melt('los', value_name='Codes')
df = df.groupby('Codes')['los'].mean().reset_index(name='mean-LOS')
print (df)
   Codes   mean-LOS
0      0   8.500000
1    A04   1.000000
2    B10   4.000000
3    E10   5.428571
4    E44   7.000000
5    E78   8.000000
6    I12   5.800000
7    I31   7.000000
8    N17   6.000000
9    N18   5.200000
10   N25   8.000000
11   R18  12.000000
12   T86   5.000000
13   Z76   1.000000
14   Z99   6.000000