Pandas：如何找到列的分箱均值

Question

我们如何有效地找到 pandas 数据框中列的分箱均值？

我喜欢将列分成 5 个部分，并找出每个部分的平均值。

这是我所做的：

import numpy as np
import pandas as pd

df = pd.DataFrame({'x': np.arange(20)})
n_bins = 5
dfs = np.array_split(df,n_bins)

x_means = [x.mean()[0] for x in dfs]
n_elems = len(df) // n_bins
x_mean_lst = [[i]*n_elems for i in x_means]
x_mean_array = np.array(x_mean_lst).flatten()
df['x_bin_mean'] = x_mean_array
df

这似乎比必要的复杂。有没有更好的选择？

输出应如下所示：

     x  x_bin_mean
0    0         1.5
1    1         1.5
2    2         1.5
3    3         1.5
4    4         5.5
5    5         5.5
6    6         5.5
7    7         5.5
8    8         9.5
9    9         9.5
10  10         9.5
11  11         9.5
12  12        13.5
13  13        13.5
14  14        13.5
15  15        13.5
16  16        17.5
17  17        17.5
18  18        17.5
19  19        17.5

Answer 1

我猜你想要类似的东西

df.groupby(df.index // (len(df) // n_bins))['x'].transform('mean')

或者，如果您的索引不是数字，

df.groupby(pd.RangeIndex(len(df)) // (len(df) // n_bins))['x'].transform('mean')

这是n_bins = 5 的分组器和输出的样子，

df.index // (len(df) // 5)
# Int64Index([0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4], dtype='int64')

df['x_bin_mean'] = (
    df.groupby(df.index // (len(df) // 5))['x'].transform('mean'))
df.head(10)

   x  x_bin_mean
0  0         1.5
1  1         1.5
2  2         1.5
3  3         1.5
4  4         5.5
5  5         5.5
6  6         5.5
7  7         5.5
8  8         9.5
9  9         9.5

---

请注意，整数除法虽然速度很快，但可能无法处理索引不等分的情况：

我不确定整数除法是否完全正确（如果 不要平均分配）。例如长度为 16 且 n_bins=5 你得到 6 组——Alollz

在这种情况下，请使用 Alollz 的有用建议 pd.qcut：

df.groupby(pd.qcut(df.index, n_bins))['x'].transform('mean')