(意为/stdev所有列为一列)
(意为/stdev所有列为一列)
提问于 2022-05-30 11:15:13
这是用错误的答案结束的，请提供答案
group_ = pd.DataFrame({'Name' : ['X','Y', 'X', 'X', 'Y','Y'],
'a' : [3,6,4,7,9,3],
'b' : [6,4,8,7,6,5],
'h' : [34,43,63,34,54,56]})
Name a b h
0 X 3 6 34
1 Y 6 4 43
2 X 4 8 63
3 X 7 7 34
4 Y 9 6 54
5 Y 3 5 56我希望获得所有列的X和Y的平均值和std值(而不是在agg中列出它们，或者任何地方都必须是动态的)。
我本可以这么做的：
group_.groupby('Name').mean().mean(axis=1)
Name
X 18.444444
Y 20.666667
dtype: float64
np.mean([3,6,34,4,8,63,7,7,34]) = 18.444444但是对于std不起作用，因为它给出了std的3列std。
group_.groupby('Name').std().std(axis=1)
Name
X 8.793713
Y 3.055050
dtype: float64不对！X_std = np.std([3,6,34,4,8,63,7,7,34]) = 19.556818141059377
回答 1
Stack Overflow用户
回答已采纳
发布于 2022-05-30 11:31:40
对于std每个组的所有列，首先使用DataFrame.melt，然后使用GroupBy.std with ddof=0 (默认熊猫ddof=1)：
a = group_.melt('Name').groupby('Name')['value'].std(ddof=0)
print (a)
Name
X 19.556818
Y 21.756225
Name: value, dtype: float64
X_std = np.std([3,6,34,4,8,63,7,7,34])
print (X_std)
19.556818141059377对于这两种汇总功能：
df = group_.melt('Name').groupby('Name').agg(std=('value', lambda x: x.std(ddof=0)),
mean=('value','mean'))
print (df)
std mean
Name
X 19.556818 18.444444
Y 21.756225 20.666667页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/72433422
复制相关文章
相似问题
腾讯云开发者
