如何获得具有指定条件的列的平均值？

Question

我有一个包含列（名称，a，b）的数据框，我想创建一个列名称“mean”，这将是列 a 和 b 的平均值，但如果任何两行的平均值相同，则总和值更多应该减少0.1。

   data frame 1

  Name  Sum  a   b      mean
0 hamm   34  2   2       2
1 jam    54  1   1  -->  1
2 tan    36  3   1       2
3 pan    39  4   4       4

正如我们现在看到的那样，第 0 行和第 2 行具有相同的平均值，所以现在谁的总和值更大应该减少 0.1

在这里，在这种情况下，它的第 2 行的值应该是 2- 0.1 = 1.9

最终结果

  Name  Sum  a   b   mean
0 hamm   34  2   2    2
1 jam    54  1   1    1
2 tan    36  3   1    1.9
3 pan    39  4   4    4

Answer 1

你可以试试mean和cumcount：

df.assign(mean = df[["a", "b"]].mean(axis=1))\
  .assign(mean = df["mean"].subtract(df.groupby("mean").cumcount().divide(10)))

输出

#    Name  Sum  a  b  mean
# 0  hamm   34  2  2   2.0
# 1   jam   54  1  1   1.0
# 2   tan   36  3  1   1.9
# 3   pan   39  4  4   4.0

解释：

1. 使用mean 计算平均值。我们指定axis=1 在行上计算它。

2. 对于每个相同的mean，我们要减去n*0.1。

   1. 我们使用groupby 对具有相同mean 的所有行进行分组
   2. 我们使用cumcount 获取他们的电话号码。有关详细信息，请参阅此discussion。
   3. 使用divide除以10，以便将计数器转换为0.1, 0.2, ...

3. 使用subtract将第2步的输出减去mean列

---

完整代码+插图

# Step 1
df["mean"] = df[["a", "b"]].mean(axis=1)
print(df)
#    Name  Sum  a  b  mean
# 0  hamm   34  2  2   2.0
# 1   jam   54  1  1   1.0
# 2   tan   36  3  1   2.0
# 3   pan   39  4  4   4.0

# Step 2.1 + 2.2
print(df.groupby("mean").cumcount())
# 0    0
# 1    0
# 2    1
# 3    0
# dtype: int64

# Step 2.3
print(df.groupby("mean").cumcount().divide(10))
# 0    0.0
# 1    0.0
# 2    0.1
# 3    0.0
# dtype: float64

# Step 3
df["mean"] = df["mean"].subtract(df.groupby("mean").cumcount().divide(10))
print(df)
#    Name  Sum  a  b  mean
# 0  hamm   34  2  2   2.0
# 1   jam   54  1  1   1.0
# 2   tan   36  3  1   1.9
# 3   pan   39  4  4   4.0