You need to enable JavaScript to run this app. 如何在Pandas Pivot Table中聚合重复实验数据得到均值和标准差
优惠活动
大模型
产品
解决方案
定价
更多

如何在Pandas Pivot Table中聚合重复实验数据得到均值和标准差

你可以通过两种方式实现需求,以下是可直接运行的代码:

方式1:分两步聚合(逻辑更清晰)

先计算单轮重复的成功率,再按score和rescore分组计算均值和标准差:

import pandas as pd

df = pd.read_csv("test.csv", index_col=0)
systems = df['identifier'].nunique()

# 计算每个(score, rescore, repeat)组的单次成功率
single_success = df.groupby(['score', 'rescore', 'repeat'])\
    .apply(lambda x: (x['rmsd'] <= 1.5).sum() / systems * 100)\
    .reset_index(name='success_rate')

# 聚合得到均值、标准差
result = single_success.groupby(['score', 'rescore'])['success_rate']\
    .agg(['mean', 'std'])\
    .round(1)

# 调整为你需要的透视格式
result = result.unstack(level='rescore').swaplevel(axis=1).sort_index(axis=1)
print(result)

方式2:在你现有代码基础上修改

直接对已得到的按repeat拆分的透视表按rescore维度聚合:

import pandas as pd

df = pd.read_csv("test.csv", index_col=0)
systems = len(set(df.identifier))

# 你原有逻辑得到的透视表
pt = pd.pivot_table(df, 
               index='score', 
               columns= ['rescore', 'repeat'], 
               values='rmsd', 
               aggfunc=lambda x:((x <= 1.5).sum()/systems)*100)

# 对repeat维度聚合计算均值、标准差
result = pt.groupby(level='rescore', axis=1).agg(['mean', 'std']).round(1)
# 调整列层级顺序匹配期望输出
result = result.swaplevel(axis=1).sort_index(axis=1)
print(result)

两种方法输出的结果和你期望的格式完全一致。


内容的提问来源于stack exchange,提问作者Peter Curran

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.18 18:06:07