Pandas：计算列中组数的中位数答案

【问题标题】：Pandas: Calculate Median of Group count over ColumnsPandas：计算列中组数的中位数
【发布时间】：2020-05-27 06:04:58
【问题描述】：

这是this question的扩展：

我有一个 Pandas 数据框，例如：

dfq = pd.DataFrame({'COL1': ['USER1', 'USER1','USER2','USER2','USER2','USER3'], 
               'COL2' : ['MONTH1','MONTH2','MONTH1','MONTH1','MONTH2','MONTH1']
               })

一般来说，这意味着每次客户使用服务时，都会在表中添加一条记录，其中包含用户 ID 和月份。我需要知道客户每月平均使用该服务的次数。

我可以像这样计算月份的出现次数：

dfq.groupby('COL2').count()

但是，我如何从那里获得平均值？或者有更好的方法吗？

我想要的输出是这样的：

如果我计算组数（月），然后除以记录总数，我可以得到一个原始平均值：

testcount = dfq.groupby('COL2').count()
len(dfq)
testcount/len(dfq)*100

哪种方式给了我答案，但我发现这是一个非常原始的过程。平均值不可信，我希望能够获得更多统计信息：例如中位数和偏差。

换句话说，我想要他们所做的here，但在他们的情况下，他们计算的是数值，而我的值是字符串。我需要了解以下信息：客户每月使用该服务的中位数是多少。

我希望这很清楚。

谢谢！

【问题讨论】：

您是在计算每个用户还是每个月的平均值？
嗨@MattR，我正在计算每月的平均值
我对你的问题有点困惑，在这个例子中 3 是理想的输出吗？如果不能，您可以编辑并提供您想要的输出吗？
@Sebastian，我刚刚添加了更多信息。我希望这能让它更清楚。
df.groupby(['COL2'], as_index=False).count().describe() 这是否接近您想要的解决方案？我仍然不确定你需要什么，因为你写的是平均值，然后你计算分布。

标签： python pandas dataframe

【解决方案1】：

考虑从：

df=dfq.assign(cnt=1).groupby(list(dfq.columns), as_index=False)["cnt"].sum()

然后你为你提到的操作打开机会之窗：

res_mean=df.groupby("COL2")["cnt"].apply(np.median)

res_std=df.groupby("COL2")["cnt"].apply(np.std)

相应地返回：

COL2
MONTH1    1.0
MONTH2    1.0
Name: cnt, dtype: float64
COL2
MONTH1    0.471405
MONTH2    0.000000
Name: cnt, dtype: float64

【讨论】：

非常感谢@Grzegorz Skibinski。我将尝试一下并报告。