Python 计算数据帧中一组列的平均值的最有效方法

我有一个

DataFrame

，列如下：

["A_1", "A_2", "A_3", "B_1", "B_2", "B_3"]

~/coding$ cat colgroup.dat
A_1,A_2,A_3,B_1,B_2,B_3
1,2,3,4,5,6
7,8,9,10,11,12
13,14,15,16,17,18
~/coding$ python
Python 2.7.3 (default, Apr 20 2012, 22:44:07) 
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import pandas
>>> df = pandas.read_csv("colgroup.dat")
>>> df
   A_1  A_2  A_3  B_1  B_2  B_3
0    1    2    3    4    5    6
1    7    8    9   10   11   12
2   13   14   15   16   17   18
>>> grouped = df.groupby(lambda x: x[0], axis=1)
>>> for i, group in grouped:
...     print i, group
... 
A    A_1  A_2  A_3
0    1    2    3
1    7    8    9
2   13   14   15
B    B_1  B_2  B_3
0    4    5    6
1   10   11   12
2   16   17   18
>>> grouped.mean()
key_0   A   B
0       2   5
1       8  11
2      14  17

我想把不同的A和B列“折叠”成一列，然后计算它们的平均值。简言之，在手术结束时，我会得到：

["A", "B"]

其中“A”是所有“A”列的列平均值，“B”是所有“B”列的平均值

据我所知，

groupby

不适合此任务，或者可能我使用不当：

grouped = data.groupby([item for item in data if "A" not in item])

---

如果我使用axis=1，当调用mean（）时，我得到的只是一个空的数据帧，如果没有，我就没有得到想要的效果。我希望避免构建一个单独的数据框架，通过迭代用平均值填充（例如，通过单独计算平均值，然后添加它们，如

new_df[“a”]=mean_a

）。有没有有效的解决方案？

我不知道如何提高效率，但我可能会这样做：

["A_1", "A_2", "A_3", "B_1", "B_2", "B_3"]

~/coding$ cat colgroup.dat
A_1,A_2,A_3,B_1,B_2,B_3
1,2,3,4,5,6
7,8,9,10,11,12
13,14,15,16,17,18
~/coding$ python
Python 2.7.3 (default, Apr 20 2012, 22:44:07) 
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import pandas
>>> df = pandas.read_csv("colgroup.dat")
>>> df
   A_1  A_2  A_3  B_1  B_2  B_3
0    1    2    3    4    5    6
1    7    8    9   10   11   12
2   13   14   15   16   17   18
>>> grouped = df.groupby(lambda x: x[0], axis=1)
>>> for i, group in grouped:
...     print i, group
... 
A    A_1  A_2  A_3
0    1    2    3
1    7    8    9
2   13   14   15
B    B_1  B_2  B_3
0    4    5    6
1   10   11   12
2   16   17   18
>>> grouped.mean()
key_0   A   B
0       2   5
1       8  11
2      14  17

---

我想

lambda x:x.split（“”）[0]

会更健壮一些。

我不知道效率，但我可能会这样做：

["A_1", "A_2", "A_3", "B_1", "B_2", "B_3"]

~/coding$ cat colgroup.dat
A_1,A_2,A_3,B_1,B_2,B_3
1,2,3,4,5,6
7,8,9,10,11,12
13,14,15,16,17,18
~/coding$ python
Python 2.7.3 (default, Apr 20 2012, 22:44:07) 
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import pandas
>>> df = pandas.read_csv("colgroup.dat")
>>> df
   A_1  A_2  A_3  B_1  B_2  B_3
0    1    2    3    4    5    6
1    7    8    9   10   11   12
2   13   14   15   16   17   18
>>> grouped = df.groupby(lambda x: x[0], axis=1)
>>> for i, group in grouped:
...     print i, group
... 
A    A_1  A_2  A_3
0    1    2    3
1    7    8    9
2   13   14   15
B    B_1  B_2  B_3
0    4    5    6
1   10   11   12
2   16   17   18
>>> grouped.mean()
key_0   A   B
0       2   5
1       8  11
2      14  17

---

我想

lambda x:x.split（''u'）[0]

会更健壮一些。

您希望使用内置的

mean（）

函数，该函数接受

axis

参数来指定行平均值。因为您知道您想要的不同方法的特定列名约定，所以可以使用下面的示例代码非常有效地执行此操作。在这里，我选择只创建两个附加列，而不是实际销毁现有数据。我还可以将这些新列放入新的数据框中；这取决于你的需要和你的方便。同样的基本思想在任何一种情况下都适用

In [1]: import pandas

In [2]: dfrm = pandas.DataFrame([[1,2,3,4,5,6],[7,8,9,10,11,12],[13,14,15,16,17,18]], columns = ['A_1', 'A_2', 'A_3', 'B_1', 'B_2', 'B_3'])

In [3]: dfrm
Out[3]: 
   A_1  A_2  A_3  B_1  B_2  B_3
0    1    2    3    4    5    6
1    7    8    9   10   11   12
2   13   14   15   16   17   18

In [4]: dfrm["A_mean"] = dfrm[[elem for elem in dfrm.columns if elem[0]=='A']].mean(axis=1)

In [5]: dfrm
Out[5]: 
   A_1  A_2  A_3  B_1  B_2  B_3  A_mean
0    1    2    3    4    5    6       2
1    7    8    9   10   11   12       8
2   13   14   15   16   17   18      14

In [6]: dfrm["B_mean"] = dfrm[[elem for elem in dfrm.columns if elem[0]=='B']].mean(axis=1)

In [7]: dfrm
Out[7]: 
   A_1  A_2  A_3  B_1  B_2  B_3  A_mean  B_mean
0    1    2    3    4    5    6       2       5
1    7    8    9   10   11   12       8      11
2   13   14   15   16   17   18      14      17

---

您需要使用内置的

mean（）

函数，该函数接受

轴

参数来指定行平均值。因为您知道您想要的不同方法的特定列名约定，所以可以使用下面的示例代码非常有效地执行此操作。在这里，我选择只创建两个附加列，而不是实际销毁现有数据。我还可以将这些新列放入新的数据框中；这取决于你的需要和你的方便。同样的基本思想在任何一种情况下都适用

In [1]: import pandas

In [2]: dfrm = pandas.DataFrame([[1,2,3,4,5,6],[7,8,9,10,11,12],[13,14,15,16,17,18]], columns = ['A_1', 'A_2', 'A_3', 'B_1', 'B_2', 'B_3'])

In [3]: dfrm
Out[3]: 
   A_1  A_2  A_3  B_1  B_2  B_3
0    1    2    3    4    5    6
1    7    8    9   10   11   12
2   13   14   15   16   17   18

In [4]: dfrm["A_mean"] = dfrm[[elem for elem in dfrm.columns if elem[0]=='A']].mean(axis=1)

In [5]: dfrm
Out[5]: 
   A_1  A_2  A_3  B_1  B_2  B_3  A_mean
0    1    2    3    4    5    6       2
1    7    8    9   10   11   12       8
2   13   14   15   16   17   18      14

In [6]: dfrm["B_mean"] = dfrm[[elem for elem in dfrm.columns if elem[0]=='B']].mean(axis=1)

In [7]: dfrm
Out[7]: 
   A_1  A_2  A_3  B_1  B_2  B_3  A_mean  B_mean
0    1    2    3    4    5    6       2       5
1    7    8    9   10   11   12       8      11
2   13   14   15   16   17   18      14      17

---

从我做的初始测试开始，它似乎可以工作，我将在周一检查，当我能够在真实数据上运行它时。对于我的真实数据（有几个组），两个不同的groupby（）调用可以很好地解决问题，而另一个解决方案稍微慢一点。从我做的初始测试开始，它似乎可以工作，当我能够在真实数据上运行此功能时，我将在周一返回。对于我的真实数据（有多个组），两个不同的groupby（）调用可以很好地解决问题，而另一个解决方案稍微慢一点。也将尝试此功能，看看两个解决方案中有什么是最好的，谢谢。也将尝试此功能，看看两个解决方案中有什么是最好的，谢谢。