在R中转换含分组均值与标准差的Dataframe方法问询

以下是基于Python pandas库的实现步骤，直接针对你的需求生成目标Dataframe：

1. 导入依赖库 #

import pandas as pd

2. （可选）筛选目标Public_Issue #

如果只需要统计指定的PI2、PI4、PI6，先从原始数据中筛选出这些记录：

# 假设原始数据集名为df
filtered_df = df[df['Public_Issue'].isin(['PI2', 'PI4', 'PI6'])]

3. 分组计算统计量（两种方法可选） #

方法一：使用pivot_table（推荐，输出格式更直观） #

该方法直接生成以Population和Voter_Partisanship为行索引，每个Public_Issue的均值、标准差为列的Dataframe：

result_df = pd.pivot_table(
    filtered_df,
    values='value',
    index=['Population', 'Voter_Partisanship'],
    columns='Public_Issue',
    aggfunc=['mean', 'std'],
    fill_value=0  # 若有缺失值可填充，按需调整
)

# 重构列名，让统计量和对应Issue更清晰
result_df.columns = [f'{issue}_{stat}' for stat, issue in result_df.columns]
# 把行索引转为普通列
result_df = result_df.reset_index()

方法二：使用groupby + unstack #

先分组计算统计量，再调整格式为宽表：

# 按三个维度分组，计算value的均值和标准差
grouped_stats = filtered_df.groupby(
    ['Population', 'Voter_Partisanship', 'Public_Issue']
)['value'].agg(['mean', 'std'])

# 把Public_Issue转为列，整理格式
result_df = grouped_stats.unstack(level='Public_Issue')
result_df.columns = [f'{issue}_{stat}' for stat, issue in result_df.columns]
result_df = result_df.reset_index()

最终结果说明 #

生成的result_df结构示例：

内容的提问来源于stack exchange，提问作者lwe