Python 计算具有公共id（而不是列）的多行中的平均值或通过切片计算平均值时出现问题

我有一个数据框，其中包含来自餐厅的订单、订单ID和订单中每个项目的价格。一行是产品名称及其价格和订单id。我想计算所有订单的平均值，但因此订单可能由多个产品组成，它们位于单独的行中

我试图在python中定义什么是顺序，但由于我是新手，所以没有成功

for order in df:
  n = 1
  order = df.order_id == n
  for order in orders:
    orders.median()
    n = n + 1

这是表的外观-正如您所看到的，forst两个项目的订单id是相同的：

order_id    quantity    item_name   choice_description                  item_price
0           1           1           Chips and Fresh Tomato Salsa    NaN 2.39
1           1           1           Izze    [Clementine]                3.39

我对语法有问题，我不知道如何用python语言表达它。你能帮忙吗

---

非常感谢

由于物品可能已订购多次，我将首先计算每个订单中所有相同物品的价格：

将熊猫作为pd导入
#模拟数据
df=pd.DataFrame（{'order_id'：[0,0,1,1]，
“数量”：[1,2,1,3]，
‘项目价格’：[2.39,9.99,3.39,19.99]}）
df['price']=df.quantity*df.item\u价格
df

然后，您可以使用将每个订单的价格相加：

df_orders=df.groupby（'order_id'）.sum（）
DFU订单

最后计算新数据框中订单的平均价格：

dfu订单.价格.平均值（）

---

正如我在评论中提到的那样，我使用了pandas groupby。我就是这样处理这个问题的：

首先，我将列的类型更改为numeric。它们是字符串，所以计算不起作用。为了计算订单的平均值（）或中间值（），我决定在包含订单值的数据框中再添加一列。我将一份订单中每件商品的数量和价格相乘，以确保我考虑到某一产品的购买量更大

item_price = pd.to_numeric(data1['item_price'])
quantity = pd.to_numeric(data1['quantity'])
data1['order_value'] = quantity* item_price

[![The table after adding the new column][1]][1]

然后，我按照order_id对数据帧进行排序，并将每个项的值相加，以获得订单的总值

grouped = data1.groupby(['order_id']).sum()

        quantity  order_value
order_id                       
1                4        11.56
2                2        33.96
3                2        12.67
4                2        21.00
5                2        13.70

然后我对列order_值调用了mean（）函数：

data1.order_value.mean()

---

欢迎来到堆栈溢出！为了使您的表更具可读性，我冒昧地做了一个测试，请检查它是否与您的实际数据相匹配。看起来您想要的是一个带有

.sum（）

，然后是该输出的

mean（）

，但是如果您在基于给定输入的预期输出中包含一个，则会有所帮助。另请参见：我正在添加我的答案，就在您发布您的答案的同一时刻！非常感谢，这正是我设法做到的。非常感谢你！谢谢你的反馈@Joanna！是的，考虑到你在18小时前发布了这个问题，这个时间安排是出乎意料的。但很高兴能确认这确实是正确的答案，并且对你有效。请注意，对于其他人来说，像我上面所做的那样以可执行的形式包含一些示例数据是很有用的，这样代码就可以是自包含的。

item_price = pd.to_numeric(data1['item_price'])
quantity = pd.to_numeric(data1['quantity'])
data1['order_value'] = quantity* item_price

[![The table after adding the new column][1]][1]

grouped = data1.groupby(['order_id']).sum()

        quantity  order_value
order_id                       
1                4        11.56
2                2        33.96
3                2        12.67
4                2        21.00
5                2        13.70

data1.order_value.mean()