如何在应用某些功能时以成对方式组合数据框中的行答案

【问题标题】：How to combine rows in a dataframe in a pairwise fashion while applying some function如何在应用某些功能时以成对方式组合数据框中的行
【发布时间】：2021-07-01 16:11:23
【问题描述】：

我有一个将键存储为 ID 的数据框，以及 Val1/Val2 中的一些数值：

ID    Val1    Val2
id0     10      20
id0     11      19
id1      5       5
id1      1       1
id1      2       4

我想查看此数据框并成对组合行，同时获取具有相同 ID 的行的 Val1/Val2 平均值。应根据新行的 ID 对添加后缀。

这是生成的数据框：

ID      Val1    Val2
id0_1   10.5    19.5
id1_1   3       3
id1_2   1.5     2.5

在这个例子中，只剩下 3 行了。 (id0, 10, 20) 与 (id0,11,19) 取平均值并合并为一行。

(id1,5,5) 与 (id1,1,1,) 平均，(id1,1,1) 与 (id1,2,4) 平均以形成剩余的 2 行。

我可以想到一种迭代方法，但这会很慢。我怎样才能以正确的 pythonic/pandas 方式做到这一点？

代码：

df = pd.DataFrame(columns=['ID', 'Val1', 'Val2'], data=[['id0', 10, 20], ['id0', 11, 19], ['id1', 5, 5], ['id1', 1, 1], ['id1', 2, 4]])

【问题讨论】：

您想要按 ID 与组内下一行的平均值吗？
没有pair能解释一下逻辑吗？
@Umar.H 总会有至少一对
@ifly6 不，它应该对之前存在的旧数据进行操作。所以不要对已经平均的东西取平均值

标签： python pandas algorithm dataframe pairwise

【解决方案1】：

ID分组后可以使用df.rolling：

out = df.groupby('ID').rolling(2).mean() \
        .dropna(how='all').reset_index(level=1, drop=True)

out.index += '_' + out.groupby(level=0).cumcount().add(1).astype(str)

>>> out
       Val1  Val2
id0_1  10.5  19.5
id1_1   3.0   3.0
id1_2   1.5   2.5

【讨论】：

此解决方案不处理应该发生的 '_x' 附加。所以 id0_1, id1_1, id1_2
@EugeneZinder。我修正了我的答案。
我添加了另一列“Val3”，我希望应用相同的平均逻辑。运行您的 sn-p 时，不包括“Val3”列。你能解释一下代码的哪一部分需要编辑吗？
您无需修改任何内容。 df.groupby 获取所有列。如果要选择特定列，请执行df.groupby('ID')[['Val1', 'Val3']].rolling(...
真的很奇怪，不应该这样。数据框out 无一例外地获取所有列。