在python中填写groupby之后的列中缺少的行
我有一个数据集,看起来像这样,但要大得多在python中填写groupby之后的列中缺少的行,python,pandas,group-by,mean,Python,Pandas,Group By,Mean,我有一个数据集,看起来像这样,但要大得多 Column A Column B Result 1 1 2.4 1 4 2.9 1 1 2.8 2 5 9.3 3 4 1.2 df.groupby(['Column A','Column B'])['result'].mean() Column A Column B
Column A Column B Result
1 1 2.4
1 4 2.9
1 1 2.8
2 5 9.3
3 4 1.2
df.groupby(['Column A','Column B'])['result'].mean()
Column A Column B Result
1 1 2.6
4 2.9
2 5 9.3
3 4 1.2
我希望B列的范围为1-10,这些行的结果为a列和B列的平均值。因此,这是我想要的表:
Column A Column B Result
1 1 2.6
2 2.75
3 2.75
4 2.9
5 6.025
2 1 5.95
2 9.3
3 9.3
...
希望这一点能被理解。我知道平均值是相当混乱的,所以我只能满足于能够填充所需范围的缺失值。我感谢你的帮助 您需要通过新建索引
创建,然后通过第一级列A
和平均值
分组:
df = df.groupby(['Column A','Column B'])['Result'].mean()
mux = pd.MultiIndex.from_product([df.index.get_level_values(0).unique(),
np.arange(1,10)], names=('Column A','Column B'))
df = df.reindex(mux)
df = df.groupby(level='Column A').apply(lambda x: x.fillna(x.mean()))
print (df)
Column A Column B
1 1 2.60
2 2.75
3 2.75
4 2.90
5 2.75
6 2.75
7 2.75
8 2.75
9 2.75
2 1 9.30
2 9.30
3 9.30
4 9.30
5 9.30
6 9.30
7 9.30
8 9.30
9 9.30
3 1 1.20
2 1.20
3 1.20
4 1.20
5 1.20
6 1.20
7 1.20
8 1.20
9 1.20
Name: Result, dtype: float64