Python Pandas: group by in group by e Average?

89

Eu tenho um dataframe como este:

cluster  org      time
   1      a       8
   1      a       6
   2      h       34
   1      c       23
   2      d       74
   3      w       6

Eu gostaria de calcular a média de tempo por organização por cluster.

Resultado esperado:

cluster mean(time)
1       15 ((8+6)/2+23)/2
2       54   (74+34)/2
3       6

Não sei fazer no Pandas, alguém pode ajudar?

— UserYmY
fonte

2

Desculpe, você está querendo df.groupby(['org','cluster']).mean()? isso não é tão significativo para o seu conjunto de dados ao contrário disso:df.groupby(['cluster','org']).mean()

— EdChum

@EdChum obrigado pela ajuda, mas não quero nenhum deles. Mas a "média de tempos médios por org". Por favor, veja o resultado esperado (editado)

— UserYmY

125

Se você quiser primeiro calcular a média na combinação ['cluster', 'org']e, em seguida, considerar a média nos clustergrupos, você pode usar:

In [59]: (df.groupby(['cluster', 'org'], as_index=False).mean()
            .groupby('cluster')['time'].mean())
Out[59]:
cluster
1          15
2          54
3           6
Name: time, dtype: int64

Se você quiser apenas a média dos clustergrupos, poderá usar:

In [58]: df.groupby(['cluster']).mean()
Out[58]:
              time
cluster
1        12.333333
2        54.000000
3         6.000000

Você também pode usar e, groupbyem ['cluster', 'org']seguida, usar mean():

In [57]: df.groupby(['cluster', 'org']).mean()
Out[57]:
               time
cluster org
1       a    438886
        c        23
2       d      9874
        h        34
3       w         6

— Zero
fonte

Mas eu quero um número por cluster (média da média de tempo por organização). Portanto, o resultado é apenas cluster e tempo médio

— UserYmY

1

O primeiro é o que eu precisava, obrigado - existe uma maneira fácil de adicionar uma coluna no df contendo esses valores médios para o cluster de linha?

— Mr_and_Mrs_D

12

Eu simplesmente faria isso, que segue literalmente a sua lógica desejada:

df.groupby(['org']).mean().groupby(['cluster']).mean()

— Vince Payandeh
fonte