如何在DataFrame中获取各工作日的分组平均骑行次数

你之前的代码df.groupby('member_casual')['day_of_week'].value_counts().mean()会把所有分组后的骑行次数取整体平均值，所以只得到单一数值。要获取每个day_of_week的平均骑行次数，分两种场景处理：

场景1：不区分会员类型（member_casual） #

假设你的DataFrame包含日期列（比如date），先统计每日的骑行次数，再按工作日分组计算平均值：

# 统计每天的骑行次数，关联对应的工作日
daily_rides = df.groupby(['date', 'day_of_week']).size()
# 按工作日分组，计算该工作日的平均骑行次数
avg_rides_per_day = daily_rides.groupby('day_of_week').mean()

如果没有单独的日期列，仅需统计每个工作日的总骑行次数（可理解为所有该工作日的累计次数）：

total_rides_per_day = df['day_of_week'].value_counts().sort_index()

场景2：区分会员类型 #

同样基于日期列，先按会员类型、日期、工作日分组统计每日次数，再计算每个会员类型下各工作日的平均值：

# 分会员类型统计每日骑行次数
daily_rides_by_member = df.groupby(['member_casual', 'date', 'day_of_week']).size()
# 计算每个会员类型下各工作日的平均骑行次数
avg_rides_by_member_day = daily_rides_by_member.groupby(['member_casual', 'day_of_week']).mean()

这样就能得到每个工作日（或分会员类型的每个工作日）的平均骑行次数，结果是一个带有day_of_week（或多级索引）的Series，每个工作日对应一个平均数值。

内容的提问来源于stack exchange，提问作者Mostafa Waleed