执行使用两个列作为参数GROUPBY功能无论给定以下数据帧中的列
的量级:执行使用两个列作为参数GROUPBY功能无论给定以下数据帧中的列
Node_1 Node_2 Time A B 6
A B 4
B A 2
B C 5
一个如何获得,使用GROUPBY或其它方法中,数据帧如下:
Node_1 Node_2 Mean_Time A B 4
B C 5
第一行的通过找到的所有路由的平均A-> B和B-> A而获得Mean_Time,即(6 + 4 + 2)/3 = 4
回答:
在应该克东西线香港专业教育学院,你所期望的结果......这让丑陋了很多比它:d
import pandas as pd data = {'Node_1': {0: 'A', 1: 'A', 2: 'B', 3: 'B'},
'Node_2': {0: 'B', 1: 'B', 2: 'A', 3: 'C'},
'Time': {0: 6, 1: 4, 2: 2, 3: 5}}
df = pd.DataFrame(data)
# Create new column to group by
df["Node"] = df[["Node_1","Node_2"]].apply(lambda x: tuple(sorted(x)),axis=1)
# Create Mean_time column
df["Mean_time"] = df.groupby('Node').transform('mean')
# Drop duplicate rows and drop Node and Time columns
df = df.drop_duplicates("Node").drop(['Node','Time'],axis=1)
print(df)
返回:
Node_1 Node_2 Mean_time 0 A B 4
3 B C 5
另一种方法是使用:
df = (df.groupby('Node', as_index=False) .agg({'Node_1':lambda x: list(x)[0],
'Node_2':lambda x: list(x)[0],
'Time': np.mean})
.drop('Node',axis=1))
回答:
你可以使用np.sort
对Node_1
和Node_2
列的每一行进行排序:
nodes = df.filter(regex='Node') arr = np.sort(nodes.values, axis=1)
df.loc[:, nodes.columns] = arr
导致df
现在看起来像:
Node_1 Node_2 Time 0 A B 6
1 A B 4
2 A B 2
3 B C 5
随着Node
列排序,你可以groupby/agg
像往常一样:
result = df.groupby(cols).agg('mean').reset_index()
import numpy as np import pandas as pd
data = {'Node_1': {0: 'A', 1: 'A', 2: 'B', 3: 'B'},
'Node_2': {0: 'B', 1: 'B', 2: 'A', 3: 'C'},
'Time': {0: 6, 1: 4, 2: 2, 3: 5}}
df = pd.DataFrame(data)
nodes = df.filter(regex='Node')
arr = np.sort(nodes.values, axis=1)
cols = nodes.columns.tolist()
df.loc[:, nodes.columns] = arr
result = df.groupby(cols).agg('mean').reset_index()
print(result)
产量
Node_1 Node_2 Time 0 A B 4
1 B C 5
以上是 执行使用两个列作为参数GROUPBY功能无论给定以下数据帧中的列 的全部内容, 来源链接: utcz.com/qa/260249.html