python - Pandas 计算满足条件的行的列平均值

我有一个数据框，其中包含有关一段时间内用户评分项目的信息。它具有以下相似之处：

在数据框中，我有许多行具有相同的“ user_id”和“ business_id”，我可以使用以下代码进行检索：

mask = reviews_df.duplicated(subset=['user_id','business_id'], keep=False)
dup = reviews_df[mask]

获得这样的东西：


现在，我需要从原始数据框中删除所有这些重复项，并用平均值代替它们。有没有一种快速而优雅的方法来实现这一目标？

最佳答案

硒，如果您有一个数据框看起来像

   review_id  user_id  business_id  stars        date
0          1        0            3    2.0  2019-01-01
1          2        1            3    5.0  2019-11-11
2          3        0            2    4.0  2019-10-22
3          4        3            4    3.0  2019-09-13
4          5        3            4    1.0  2019-02-14
5          6        0            2    5.0  2019-03-17

那么解决方案应该是这样的：

df.loc[df.duplicated(['user_id', 'business_id'], keep=False)]\
  .groupby(['user_id', 'business_id'])\
  .apply(lambda x: x.stars - x.stars.mean())

结果如下：

user_id  business_id
0        2            2   -0.5
                      5    0.5
3        4            3    1.0
                      4   -1.0

关于python - Pandas 计算满足条件的行的列平均值，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/58081592/