Pandas技巧：分组后如何计算所有分组平均值的总平均值

我正在使用Pandas进行数据处理，以下是我的DataFrame：

# initialize list of lists
data = [['A','Excel','1'], ['A','Word','0'], ['A','Java','1'],['B','Excel','1'],['B','Word','0'],['C','Word','0'],['D','Java','1'],['E','PPT','0'], ['E','Word','0'], ['E','Java','1']]
  
# Create the pandas DataFrame
df = pd.DataFrame(data, columns=['System','App','DevTool'])

我通过以下代码得到了每个System对应的DevTool平均值（已转换为百分比）：

df.groupby('System')['DevTool'].mean()*100

得到的结果如下：

请问如何计算这些分组平均值的总平均值？

计算分组平均值的总平均值有两种常见方式，可根据需求选择：

1. 算术平均值（直接对分组结果取平均） #

如果只需要简单的算术平均，直接对分组后的结果调用mean()即可：

# 获取分组后的比率
grouped_ratios = df.groupby('System')['DevTool'].mean() * 100
# 计算算术总平均
total_avg = grouped_ratios.mean()
print(total_avg)
# 输出：50.0

2. 加权平均值（按分组样本量加权，更贴合真实整体水平） #

每个System对应的记录数不同（比如A有3条，C只有1条），加权平均能更准确反映整体情况，计算逻辑是用所有DevTool的总和除以总记录数：

# 直接计算整体DevTool平均值并转百分比
weighted_total_avg = df['DevTool'].mean() * 100
print(weighted_total_avg)
# 输出：50.0（本次数据巧合下与算术平均结果一致）

也可以基于分组结果计算加权平均：

grouped = df.groupby('System')['DevTool']
# 统计每个分组的DevTool总和与记录数
group_stats = grouped.agg(['sum', 'count'])
# 加权平均 = 总sum / 总count *100
weighted_total_avg = (group_stats['sum'].sum() / group_stats['count'].sum()) * 100
print(weighted_total_avg)

内容的提问来源于stack exchange，提问作者John