agrupar por en agrupar por y promedio

2 minutos de lectura

avatar de usuario
UsuarioYmY

Tengo un marco de datos como este:

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

Me gustaría calcular el promedio de tiempo por organización por clúster.

Resultado Esperado:

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

No sé cómo hacerlo en Pandas, ¿alguien puede ayudarme?

  • lo siento estas queriendo df.groupby(['org','cluster']).mean()? esto no es tan significativo para su conjunto de datos a diferencia de esto: df.groupby(['cluster','org']).mean()

    – EdChum

    19 mayo 2015 a las 14:35

  • @EdChum gracias por su ayuda, pero no quiero ninguno de ellos. Pero el “promedio de tiempos promedio por organización”. Por favor vea el resultado esperado (editado)

    – UsuarioYmY

    19 mayo 2015 a las 16:17

avatar de usuario
Cero

Si desea tomar primero la media en la combinación de ['cluster', 'org'] y luego tomar media en cluster grupos, puede utilizar:

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

Si quieres la media de cluster solo grupos, entonces puedes usar:

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

También puedes usar groupby en ['cluster', 'org'] y luego 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

  • Pero quiero un número por grupo (promedio del promedio de tiempo por organización). Entonces el resultado es solo clúster y tiempo promedio

    – UsuarioYmY

    19 mayo 2015 a las 15:24

avatar de usuario
Vince Payandeh

Simplemente haría esto, que literalmente sigue la lógica deseada:

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

Otra posible solución es remodelar el dataframe usando pivot_table() entonces toma mean(). Tenga en cuenta que es necesario pasar aggfunc="mean" (este promedio time por cluster y org).

df.pivot_table(index='org', columns="cluster", values="time", aggfunc="mean").mean()

Otra posibilidad es utilizar level parámetro de mean() después de la primera groupby() agregar:

df.groupby(['cluster', 'org']).mean().mean(level="cluster")

¿Ha sido útil esta solución?

Esta web utiliza cookies propias y de terceros para su correcto funcionamiento y para fines analíticos y para mostrarte publicidad relacionada con sus preferencias en base a un perfil elaborado a partir de tus hábitos de navegación. Al hacer clic en el botón Aceptar, acepta el uso de estas tecnologías y el procesamiento de tus datos para estos propósitos. Configurar y más información
Privacidad