说我的数据看起来像这样：
date,name,id,dept,sale1,sale2,sale3,total_sale
1/1/17,John,50,Sales,50.0,60.0,70.0,180.0
1/1/17,Mike,21,Engg,43.0,55.0,2.0,100.0
1/1/17,Jane,99,Tech,90.0,80.0,70.0,240.0
1/2/17,John,50,Sales,60.0,70.0,80.0,210.0
1/2/17,Mike,21,Engg,53.0,65.0,12.0,130.0
1/2/17,Jane,99,Tech,100.0,90.0,80.0,270.0
1/3/17,John,50,Sales,40.0,50.0,60.0,150.0
1/3/17,Mike,21,Engg,53.0,55.0,12.0,120.0
1/3/17,Jane,99,Tech,80.0,70.0,60.0,210.0
我想要一个新列
average，这是每个total_sale元组的name,id,dept平均值我试过了
df.groupby(['name', 'id', 'dept'])['total_sale'].mean()
这确实返回了一系列均值：
name id dept
Jane 99 Tech 240.000000
John 50 Sales 180.000000
Mike 21 Engg 116.666667
Name: total_sale, dtype: float64
但是我将如何引用数据？该系列是形状（3，）的一维形式。理想情况下，我希望将其放回到具有适当列的数据框中，以便可以通过
name/id/dept正确引用。 最佳答案
如果在已有的序列上调用.reset_index()，它将为您提供所需的数据框（索引的每个级别都将转换为列）：
df.groupby(['name', 'id', 'dept'])['total_sale'].mean().reset_index()
编辑：响应OP的评论，将此列添加回原始数据帧有点棘手。您没有与原始数据框中相同的行数，因此尚不能将其分配为新列。但是，如果将索引设置为相同，则
pandas是明智的，并且将为您正确填充值。试试这个：cols = ['date','name','id','dept','sale1','sale2','sale3','total_sale']
data = [
['1/1/17', 'John', 50, 'Sales', 50.0, 60.0, 70.0, 180.0],
['1/1/17', 'Mike', 21, 'Engg', 43.0, 55.0, 2.0, 100.0],
['1/1/17', 'Jane', 99, 'Tech', 90.0, 80.0, 70.0, 240.0],
['1/2/17', 'John', 50, 'Sales', 60.0, 70.0, 80.0, 210.0],
['1/2/17', 'Mike', 21, 'Engg', 53.0, 65.0, 12.0, 130.0],
['1/2/17', 'Jane', 99, 'Tech', 100.0, 90.0, 80.0, 270.0],
['1/3/17', 'John', 50, 'Sales', 40.0, 50.0, 60.0, 150.0],
['1/3/17', 'Mike', 21, 'Engg', 53.0, 55.0, 12.0, 120.0],
['1/3/17', 'Jane', 99, 'Tech', 80.0, 70.0, 60.0, 210.0]
]
df = pd.DataFrame(data, columns=cols)
mean_col = df.groupby(['name', 'id', 'dept'])['total_sale'].mean() # don't reset the index!
df = df.set_index(['name', 'id', 'dept']) # make the same index here
df['mean_col'] = mean_col
df = df.reset_index() # to take the hierarchical index off again
关于pandas - Pandas groupby的意思是-变成数据框？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/46938572/