如何使用熊猫获得每组不同行的平均值？答案

【问题标题】：How to get the mean values per different group of rows with pandas?如何使用熊猫获得每组不同行的平均值？
【发布时间】：2022-01-22 20:18:24
【问题描述】：

我有一个 ascii 文件如下

          7.00000000              5.61921453
         18.00000000              9.75818253
         13.00000000             37.94074631
         18.00000000             29.54162407
         10.00000000             18.82115364
         13.00000000             15.00485802
         16.00000000             19.24893761
         20.00000000             22.59035683
         17.00000000             59.69598007
         17.00000000             34.07574844
         18.00000000             24.17820358
         13.00000000             24.70093536
         11.00000000             23.37569046
         14.00000000             34.14352036
         13.00000000             33.33922577
         16.00000000             36.64311981
         20.00000000             60.21446609
         20.00000000             33.54150391
         18.00000000             40.84828949
         21.00000000             40.31245041
         34.00000000             91.71004486
         40.00000000             93.24317169
         42.00000000             43.94712067
         12.00000000             32.73310471
          7.00000000             25.25534248
          9.00000000             23.14623833

我想计算（对于两列，分别）前10行的平均值，然后是接下来的11行，然后是接下来的5行，以获得以下输出

14.9    25.2296802
18  40.2734046
22  43.6649956

我如何在 python 中使用 pandas 做到这一点？如果我有一组稳定的行（例如每 10 行），我会执行以下操作

df = pd.read_csv(i,sep='\t',header=None)
df_mean=df.groupby(np.arange(len(df))//10).mean()

【问题讨论】：

标签： python pandas mean

【解决方案1】：

使用numpy.repeat 制作任意长度的组（此处为 a/b/c）：

import numpy as np
means = df.groupby(np.repeat(['a', 'b', 'c'], [10, 11, 5])).mean()

输出：

      0          1
a  14.9  25.229680
b  18.0  40.273405
c  22.0  43.664996

如果你不关心组名：

groups = [10, 11, 5]
means = df.groupby(np.repeat(np.arange(len(groups)), groups)).mean()

输出：

      0          1
0  14.9  25.229680
1  18.0  40.273405
2  22.0  43.664996

【讨论】：