基于Python DataFrame按acat分组统计data频次并计算均值与偏度

针对你需要按每个唯一acat值，统计data在1-5类别中的出现次数（即bins），再计算bins的均值和偏度的需求，我可以用Pandas结合Scipy来实现，下面用你的示例数据一步步演示：

1. 导入依赖库并准备示例数据 #

首先导入需要的工具库，然后定义你的示例DataFrame：

import pandas as pd
from scipy.stats import skew

# 示例数据
df = pd.DataFrame({'acat':[1,1,2,3,1,3], 'data':[1,1,2,1,3,1]})

2. 分组统计每个acat的data类别频次 #

我们需要确保1-5每个类别都被统计到（哪怕出现次数为0），可以通过分组后的值计数、转置填充缺失值，再重排类别顺序来实现：

# 按acat分组统计data各值的出现次数，转置后填充缺失类别为0，并重排为1-5的顺序
counts_df = df.groupby('acat')['data'].value_counts()\
              .unstack(fill_value=0)\
              .reindex(columns=[1,2,3,4,5], fill_value=0)

这一步执行后，counts_df就是每个acat对应的bins矩阵：

1  2  3  4  5
acat
1     2  0  1  0  0
2     0  1  0  0  0
3     2  0  0  0  0

3. 计算bins的均值与偏度 #

接下来对每个acat的bins计算均值和偏度：

# 计算均值：bins的总和除以类别数量（5）
counts_df['mean'] = counts_df.sum(axis=1) / 5

# 计算偏度：对每行的1-5列（即bins）应用偏度计算函数
counts_df['skewness'] = counts_df[[1,2,3,4,5]].apply(skew, axis=1)

最终结果 #

执行完上述代码后，counts_df会包含每个acat的bins、均值和偏度：

1  2  3  4  5  mean  skewness
acat
1     2  0  1  0  0   0.6  0.577350
2     0  1  0  0  0   0.2  0.000000
3     2  0  0  0  0   0.4  1.732051

关键步骤解释 #

• groupby('acat')['data'].value_counts()：按acat分组，统计每个分组内data各值的出现次数。
• unstack(fill_value=0)：将行形式的统计结果转为列形式，缺失的data类别（比如某个acat没有出现4、5）填充为0。
• reindex(columns=[1,2,3,4,5])：强制列顺序为1到5，避免因某些分组缺失类别导致列顺序混乱。
• skew函数：来自scipy.stats，用于计算一组数据的偏度，衡量数据分布的不对称程度。

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