如何在Pandas中计算DevTool各分类的整体平均值

原始数据 #

# 初始化数据
data = [['A','Excel','1'], ['A','Word_soft','0'],['B','Excel','1'],['B','Word','1'],['C','Word','1'],['C','Word_soft','0'],['D','Java2','1'],['D','Java','1'],['E','PPT','0'], ['E','Word_soft','0']]
  
# 创建DataFrame
df = pd.DataFrame(data, columns=['System','App','DevTool'])

当前已执行的分组代码 #

df.groupby(['System','DevTool'])['DevTool'].count()

需求说明 #

需要针对DevTool的两类值（1和0）分别计算平均计数：

• DevTool=1的平均值：所有包含1类DevTool的系统中，该类计数的总和 ÷ 拥有1类DevTool的系统数量，计算结果为1.5
• DevTool=0的平均值：所有包含0类DevTool的系统中，该类计数的总和 ÷ 拥有0类DevTool的系统数量，计算结果约为1.33

解决方案 #

可以通过两次分组实现需求：

分步实现 #

1. 先按System和DevTool分组，计算每个系统对应分类的App数量，重置索引得到结构化DataFrame：

count_df = df.groupby(['System', 'DevTool'])['DevTool'].count().reset_index(name='Count')

2. 再按DevTool分组，对Count列取平均值：

result = count_df.groupby('DevTool')['Count'].mean()
print(result)

合并成一行代码 #

result = df.groupby(['System', 'DevTool'])['DevTool'].count().groupby('DevTool').mean()

输出结果 #

DevTool
0    1.333333
1    1.500000
Name: Count, dtype: float64

内容的提问来源于stack exchange，提问作者John