Python - Pandas 将所有其他列的列和统计度量分组为新列

Question

我有一个 Pandas 数据框，如下所示：Voice_Usage | Data_Usage | Revenue | Age | Segment--------------------------------------------------300         | 20         | 400     | 35  | 1700         | 10         | 300     | 40  | 1100         | 15         | 200     | 32  | 3150         | 30         | 100     | 20  | 2450         | 12         | 450     | 54  | 1900         | 18         | 800     | 17  | 3...           ...          ...       ...  ...我想从上面的数据框中派生一个数据框，其中每个 Segment 类型都将包含数据框中的所有变量及其统计度量（最小值、最大值、平均值）。派生的数据框应该是这样的：Segment | Variables | Min | Max | Mean |----------------------------------------1       Voice_Usage  5     100   50    1       Data_Usage   0     50    301       Revenue      50    1500  3001       Age          10    80    352       Voice_Usage  10    200   70    2       Data_Usage   10    90    502       Revenue      30    500   2002       Age          15    60    253       Voice_Usage  5     100   500    3       Data_Usage   0     50    303       Revenue      50    1500  3003       Age          10    80    35...等等。如何从第一个数据帧派生第二个数据帧？我按段值分组并聚合了其他变量，但这不起作用。我需要将其设为通用的n号。数据框的变量。

Answer 1

使用melt有DataFrameGroupBy.agg：

df = (df.melt('Segment', var_name='a')

        .groupby(['Segment','a'])['value']

        .agg(['min','max','mean'])

        .reset_index())

print (df)

    Segment            a  min  max        mean

0         1          Age   35   54   43.000000

1         1   Data_Usage   10   20   14.000000

2         1      Revenue  300  450  383.333333

3         1  Voice_Usage  300  700  483.333333

4         2          Age   20   20   20.000000

5         2   Data_Usage   30   30   30.000000

6         2      Revenue  100  100  100.000000

7         2  Voice_Usage  150  150  150.000000

8         3          Age   17   32   24.500000

9         3   Data_Usage   15   18   16.500000

10        3      Revenue  200  800  500.000000

11        3  Voice_Usage  100  900  500.000000

如果想要多个统计信息，请使用DataFrameGroupBy.describe：

df = (df.melt('Segment', var_name='a')

        .groupby(['Segment','a'])['value']

        .describe()

        .reset_index())

print (df)

    Segment            a  count        mean         std    min     25%    50%  \

0         1          Age    3.0   43.000000    9.848858   35.0   37.50   40.0   

1         1   Data_Usage    3.0   14.000000    5.291503   10.0   11.00   12.0   

2         1      Revenue    3.0  383.333333   76.376262  300.0  350.00  400.0   

3         1  Voice_Usage    3.0  483.333333  202.072594  300.0  375.00  450.0   

4         2          Age    1.0   20.000000         NaN   20.0   20.00   20.0   

5         2   Data_Usage    1.0   30.000000         NaN   30.0   30.00   30.0   

6         2      Revenue    1.0  100.000000         NaN  100.0  100.00  100.0   

7         2  Voice_Usage    1.0  150.000000         NaN  150.0  150.00  150.0   

8         3          Age    2.0   24.500000   10.606602   17.0   20.75   24.5   

9         3   Data_Usage    2.0   16.500000    2.121320   15.0   15.75   16.5   

10        3      Revenue    2.0  500.000000  424.264069  200.0  350.00  500.0   

11        3  Voice_Usage    2.0  500.000000  565.685425  100.0  300.00  500.0   

       75%    max  

0    47.00   54.0  

1    16.00   20.0  

2   425.00  450.0  

3   575.00  700.0  

4    20.00   20.0  

5    30.00   30.0  

6   100.00  100.0  

7   150.00  150.0  

8    28.25   32.0  

9    17.25   18.0  

10  650.00  800.0  

11  700.00  900.0