根据 2 列对数据集进行排序并根据 2 列的内容计算子数据集的平均值答案

【问题标题】：Sorting a dataset based on 2 columns & computing averages of sub-datasets based on the 2 columns' contents根据 2 列对数据集进行排序并根据 2 列的内容计算子数据集的平均值
【发布时间】：2022-12-06 01:43:09
【问题描述】：

我有一个数据集，详细说明了不同州的投票数据以及该州投票给 DEM 或 REP 的人数百分比。 What my data frame looks like:

我本质上是想找出 X 州投票支持 DEM 或 REP 的人的平均百分比。所以我的输出是这样的：

新罕布什尔州 |数据元 | 55% 新罕布什尔州 |代表 | 45% 缅因州 |数据元 | 45% 缅因州 |代表 | 54% 等等

我最初想到的是简单地遍历整个数据集，并为每个州的 DEM 百分比或 REP 百分比分配新的 pct 变量，但我觉得那是低效的。

我正在考虑对数据进行排序，使其具有 state1、DEM |状态 1，REP |状态 2，DEM | state3、REP 等，然后求平均值。但是我对 pandas 不太熟悉（这是我正在尝试使用的）。也许有人可以指出我正确的方向。

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

IIUC，使用 pandas.concat 和 GroupBy.mean ：

cols = ["state", "party"]

(
    pd.concat([df_house, df_senate],
              ignore_index=True)
        .groupby(cols, as_index=False)
        .mean(numeric_only=True)
        .sort_values(by=cols)
)

这将返回一个 (pandas.core.frame.DataFrame)，您可以将其分配给一个变量：

df_average = pd.concat([df_house, df_senate], ignore_index=True).groupby(cols, as_index=False).mean(numeric_only=True).sort_values(by=cols)

【讨论】：

【解决方案2】：

尝试使用 df.groupby(['state','party'])['pct'].mean()

【讨论】：