根据熊猫中的另一列计算一列的平均值

Question

我有一个大的 csv 文件，其中的示例如下所示（2 列和多行）date    score1/1/16  02/1/16  03/1/16  0.27323/1/16  -0.64864/1/16  05/1/16  0.44045/1/16  -0.27326/1/16  -0.58596/1/16  0.34您可以看到样本中有多个相同的日期具有不同的分数（与原始文件相同，其中有数百个相同的日期具有分数）。我想按日期平均分数，然后将其保存为 csv 格式。预期结果应如下所示（对于每个日期一个平均分数）date    Avg_Score1/1/16  02/1/16  03/1/16  -0.18774/1/16  05/1/16  0.08366/1/16  -0.12295如何在 Python 的 Pandas 模块中执行此操作？我检查了 stackoverflow 的建议，我发现了 loc、iloc 和 groupby。但是我想我无法使它们有用，因为这是我尝试过的，并且仍然获得与原始文件相同的文件（没有任何变化）。不知道为什么它不工作以及如何让它工作。import pandas as pdimport csvdf = pd.read_csv('myfile.csv')df.groupby('date').mean().reset_index()df.to_csv('average.csv', encoding='utf-8', index=False)会感谢任何帮助，因为我已经为此苦苦挣扎了一段时间。谢谢你。

Answer 1

将方法的输出分配groupby给变量，例如这里df1：

df = pd.read_csv('myfile.csv')

#solution with renamed new column

df1 = df.groupby('date')['score'].mean().reset_index(name='Avg_Score')

#your solution

#df1 = df.groupby('date').mean().reset_index()

df1.to_csv('average.csv', encoding='utf-8', index=False)