熊猫得到平均列名和额外的字符串列

Question

在熊猫 0.18.1、python 2.7.6 中：

假设我们有下表：

ID,FROM_YEAR,FROM_MONTH,AREA
1,2015,1,200
1,2015,2,200
1,2015,3,200
1,2015,4,200
1,2015,5,200
1,2015,6,200
1,2015,7,200
1,2015,8,200
1,2015,9,200
1,2015,10,200
1,2015,11,200
1,2015,12,200
1,2016,1,100
1,2016,2,100
1,2016,3,100
1,2016,4,100
1,2016,5,100
1,2016,6,100
1,2016,7,100
1,2016,8,100
1,2016,9,100
1,2016,10,100
1,2016,11,100
1,2016,12,100

我们正在尝试获取以下格式的日历年平均值

ID,FROM_YEAR,TYPE,AREA
1,2015,A,200
1,2016,A,100
1,2015,B,200
1,2016,B,100

注意：TYPE 是其他信息的字符串列。这里我们只有 2 种类型的 'TYPE'：'A' 和 'B'

如果我们尝试以下操作，则缺少“AREA”列名，ID=1 也仅在第一种情况下显示。

AREA_CY=df.groupby(['ID','FROM_YEAR'])['AREA'].mean()

它返回：

ID,FROM_YEAR,
1,2015,200
,2016,100
,2015,200
,2016,100

如果我们尝试以下方法：

AREA_CY=df.groupby(['ID','FROM_YEAR'])['AREA'].mean(axis=1)

它返回：

TypeError: mean() got an unexpected keyword argument 'axis'

有哪位大师能开导吗？谢谢！

Answer 1

试试这个：

In [102]: x = df.groupby(['ID','FROM_YEAR'])['AREA'].mean().reset_index(name='AREA')

In [103]: y = pd.DataFrame({'TYPE':['A','B']})

In [104]: x
Out[104]:
   ID  FROM_YEAR  AREA
0   1       2015   200
1   1       2016   100

In [105]: y
Out[105]:
  TYPE
0    A
1    B

In [106]: x.assign(key=0).merge(y.assign(key=0), on='key').drop('key', 1)
Out[106]:
   ID  FROM_YEAR  AREA TYPE
0   1       2015   200    A
1   1       2015   200    B
2   1       2016   100    A
3   1       2016   100    B

解释：

让我们创建一个x 和y DFs 的cartesian product（AKA 全外连接）：

In [126]: x.assign(key=0)
Out[126]:
   ID  FROM_YEAR  AREA  key
0   1       2015   200    0
1   1       2016   100    0

In [127]: y.assign(key=0)
Out[127]:
  TYPE  key
0    A    0
1    B    0

In [128]: x.assign(key=0).merge(y.assign(key=0), on='key')
Out[128]:
   ID  FROM_YEAR  AREA  key TYPE
0   1       2015   200    0    A
1   1       2015   200    0    B
2   1       2016   100    0    A
3   1       2016   100    0    B