如何基于已有DataFrame生成按组计算均值的新DataFrame？

刚好我经常处理这类生物信息学的DataFrame数据，用pandas就能完美解决你的需求，步骤超简单：

首先，先把你的示例数据转换成pandas能处理的DataFrame：

import pandas as pd

# 构建原始数据
raw_data = {
    'gene1': [1, 2, 3, 4, 5],
    'gene2': [2, 3, 4, 5, 6],
    'gene3': [4, 4, 4, 4, 4],
    'group': [1, 1, 1, 2, 2]
}
df = pd.DataFrame(raw_data, index=['sample1', 'sample2', 'sample3', 'sample4', 'sample5'])

接下来就是核心的分组求均值操作，一行代码就能搞定：

# 按group分组计算各基因列的均值，并将group从索引转为普通列
result_df = df.groupby('group').mean().reset_index()

代码解释： #

• df.groupby('group')：把原始DataFrame按照group列的取值（1和2）分成两个子数据集
• .mean()：自动对每个子数据集中的数值型列（也就是gene1、gene2、gene3）计算平均值，会自动跳过非数值列
• .reset_index()：默认情况下groupby的结果会把分组列（group）作为索引，用这个方法可以把它转成普通列，刚好匹配你想要的输出格式

运行后打印result_df，输出就是你要的结果：

group  gene1  gene2  gene3
0      1    2.0    3.0      4
1      2    4.5    5.5      4

如果想让gene1的2.0显示成2（不影响数值精度的话），可以加个小调整：

# 把整数类型的均值转成int，保留小数的保持float
result_df['gene1'] = result_df['gene1'].apply(lambda x: int(x) if x.is_integer() else x)
result_df['gene2'] = result_df['gene2'].apply(lambda x: int(x) if x.is_integer() else x)

调整后输出就完全和你给出的目标格式一致啦。

内容的提问来源于stack exchange，提问作者Bio_farmer