使用熊猫中的两列计算平均值答案

【问题标题】：Calculate the mean value using two columns in pandas使用熊猫中的两列计算平均值
【发布时间】：2021-02-27 10:06:39
【问题描述】：

我有一个包含三列的交易数据框，我已按类型和日期排序，它看起来像：

  type    date      price
   A    2020-05-01   4
   A    2020-06-04   6
   A    2020-06-08   8
   A    2020-07-03   5
   B    2020-02-01   3
   B    2020-04-02   4

种类很多（A、B、C、D、E……），我要计算同类型产品之前的平均价格。例如：第三行A的pre_mean_price值为(4+6)/2=5。我想得到这样的数据框：

   type    date      price  pre_mean_price
   A    2020-05-01   4       .
   A    2020-06-04   6       4
   A    2020-06-08   8       5 
   A    2020-07-03   5       6
   B    2020-02-01   3       .
   B    2020-04-02   4       3

如何计算 pre_mean_price？非常感谢！

【问题讨论】：

标签： python pandas

【解决方案1】：

您可以在 groupby 之后为每个组使用 expanding().mean() ，然后移动值。

df['pre_mean_price'] = df.groupby("type")['price'].apply(lambda x: 
                                                         x.expanding().mean().shift())
print(df)

  type        date  price  pre_mean_price
0    A  2020-05-01      4             NaN
1    A  2020-06-04      6             4.0
2    A  2020-06-08      8             5.0
3    A  2020-07-03      5             6.0
4    B  2020-02-01      3             NaN
5    B  2020-04-02      4             3.0

【讨论】：

【解决方案2】：

类似

df['pre_mean_price'] = df.groupby('type').expanding().mean().groupby('type').shift(1)['price'].values

产生

  type        date  price  pre_mean_price
0    A  2020-05-01      4             NaN
1    A  2020-06-04      6             4.0
2    A  2020-06-08      8             5.0
3    A  2020-07-03      5             6.0
4    B  2020-02-01      3             NaN
5    B  2020-04-02      4             3.0

简短说明

这个想法是

第一组由"type" 和.groupby()。必须这样做，因为我们要计算组“类型”内的（增量）均值。
然后，使用expanding().mean() 计算增量平均值。此时的输出是

        price
type
A    0   4.00
     1   5.00
     2   6.00
     3   5.75
B    4   3.00
     5   3.50

然后，再次按"type" 进行分组，并使用shift(1) 将组内的元素移动一行。
然后，只需提取price 列的值（增量方式）
注意：假设您的数据按日期排序。不是，请先拨打df.sort_values('date', inplace=True)。

【讨论】：