Python Pandas groupby如何计算均值、中位数、计数并提取对应state字段

你可以直接用groupby对象的agg()方法实现多列多指标的同时聚合，还能自定义输出的列名，无需多次分组拼接。

示例运行代码 #

首先导入依赖、构造原始DataFrame：

import pandas as pd
d = {'User' : ['A', 'A', 'B', 'C', 'C', 'C'],
     'time':[1,2,3,4,4,4],
     'state':['CA', 'CA', 'ID', 'OR','OR','OR']}
df = pd.DataFrame(data = d)

写法1（Pandas 0.25+ 推荐，逻辑更清晰） #

直接通过命名聚合的方式指定结果列名、对应聚合的原列和聚合函数：

df_res = df.groupby('User', as_index=False).agg(
    avg_time=('time', 'mean'),
    median_time=('time', 'median'),
    state=('state', 'first'),
    user_count=('User', 'size')
)

运行后输出的df_res完全符合你给出的预期结构。

写法2（兼容旧版本Pandas） #

如果使用的Pandas版本低于0.25，不支持命名聚合，可以先通过字典指定聚合规则，再重命名列：

# 按规则聚合
agg_df = df.groupby('User', as_index=False).agg({
    'time': ['mean', 'median'],
    'state': 'first',
    'User': 'size'
})
# 合并多层列索引并重命名为目标列名
agg_df.columns = ['User', 'avg_time', 'median_time', 'state', 'user_count']
df_res = agg_df

规则说明 #

• groupby('User', as_index=False)：指定按User列分组，同时保留User为普通列而非行索引，符合输出的结构要求
• 同一列可以指定多个聚合函数，比如示例中time列同时计算均值和中位数
• 同一个用户的state值完全一致，所以用first/last/max/min等聚合函数效果相同，按需选择即可
• size聚合函数会统计每个分组的行数，也就是每个User的出现次数

内容的提问来源于stack exchange，提问作者justanewb