在大 pandas 运作中是否与groupby互补（相反）？

问题描述

我有一个表（数据框）与许多列。现在我想在其中一个列中平均值。这意味着我需要对除了需要平均的列之外的所有列进行分组。当然我可以写：

  df.groupby（['col1'，'col2'，'col3'，'col4' ，'col5']）['vals']。mean（）
  

但是，如果我可以这样做：

  df.groupby（['col6']，something ='reverse'）['vals' ] .mean（）
  

是否可能在大熊猫？

解决方案

您正在搜索您手头列表中的补充列。你可以玩 df.columns 。它代表一个索引对象，允许一些有趣的操作。

df.columns.drop （['col6']）返回一个索引，其中列表作为参数被删除。您可以将其转换为列表，并将其用作 groupby 参数：

  df.groupby（df.columns.drop（['col6']）。tolist（））['vals']。mean（）
  

I have a table (data frame) with many columns. Now I would like to average values in one of the columns. It means that I need to group by over all columns except the one over which I need to average. Of course I can write:

df.groupby(['col1', 'col2', 'col3', 'col4', 'col5'])['vals'].mean()

But it would be nice if I could do something like:

df.groupby(['col6'], something='reverse')['vals'].mean()

Is it possible in pandas?

解决方案

You are searching for the complementary columns to a list you have on hands. You can play with df.columns. It represents an Index object that allows some interesting manipulations.

df.columns.drop(['col6']) returns an Index with the list of columns passed as argument removed. You can convert it into a list and use it as the groupby argument:

df.groupby(df.columns.drop(['col6']).tolist())['vals'].mean()

这篇关于在大 pandas 运作中是否与groupby互补（相反）？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！