Pandas groupby+mean取values返回数组 如何获取float类型单个值

问题复现代码 #

import pandas as pd

ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
   'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals', 'Riders'],
   'region': [1, 2, 2, 3, 3,4 ,1 ,1,2 , 4,1,2],
   'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
   'Points':[876,789,863,673,741,812,756,788,694,701,804,690],
   'time':[71,21,8,63,41,12,56,88,94,21,42,90],
           }

df = pd.DataFrame(ipl_data)

# 原写法，返回单元素数组
df[df.region==2].groupby('time').mean().values[0]
# 输出格式：array([Value])

原因说明 #

原写法返回数组是因为：

1. 没有显式指定要聚合的列，mean()会对所有数值列同时计算均值，返回的是DataFrame结构
2. 对DataFrame取.values[0]得到的是对应行所有列值组成的一维numpy数组，不是单个标量

实现方法 #

推荐优先用显式指定列的写法，避免取错值：

• 方法1：指定聚合列后用iloc取第一个值，直接得到float类型结果

# 示例为取Points列的均值，替换成你需要的列名即可
float_val = df[df.region==2].groupby('time')['Points'].mean().iloc[0]

• 方法2：对单元素结构调用.item()方法，直接提取原生Python标量

# 适配Series/单元素numpy数组的场景
float_val = df[df.region==2].groupby('time')['Points'].mean().iloc[0].item()

# 如果是你已经拿到的单元素数组，也可以直接取索引后转标量
float_val = df[df.region==2].groupby('time').mean().values[0][0].item()

注意：如果不指定聚合列，.values[0]会包含region、Year、Points三个列的均值，属于多元素数组，直接取[0]拿到的是region列的均值，大概率不是你需要的结果，一定要显式声明要计算的列。

内容的提问来源于stack exchange，提问作者Anant