如何在pandas中同时计算均值和标准差？

Question

例如，我们有这样的数据：

>>> df
   name  score  times
0   tom    100      1
1   tom     99      2
2   tom    100      3
3  jack     99      1
4  jack     99      2
5  tony    100      1
6  tony    100      2
7  tony    100      3

我希望获得像这样的结果

   name       score std
0  jack   99.000000  0
1   tom   99.666667  0.57
2  tony  100.000000  0

是否可以一次性得到结果？ 现在我必须分别计算它们并组合结果。

- Kramer Li

Answer 1

您可以使用agg函数来计算mean。

df = df.groupby('name').agg({'score': ['mean', 'std']})

然后您将获得多级索引数据框，要提取级别，请执行以下操作。

df = df.xs('score', axis=1, drop_level=True)
    # 'score' : key on which to get cross section
    # axis=1 : get cross section of column
    # drop_level=True : returns cross section without the multilevel index

根据您给出的输出，请执行以下操作：

df = df.reset_index('name')

那么就将其重命名

df.rename(columns={"mean":"score"}, inplace=True)

输出：

   name       score      std
0  jack   99.000000  0.00000
1   tom   99.666667  0.57735
2  tony  100.000000  0.00000

- ammy

---

很高兴能够帮助！如果我的回答有帮助，请不要忘记接受它。谢谢。 - ammy

Answer 2

使用 agg

In [274]: df.groupby('name').agg({'score': ['mean', 'std']})
Out[274]:
           score
            mean      std
name
jack   99.000000  0.00000
tom    99.666667  0.57735
tony  100.000000  0.00000

- Zero

Answer 3

为了得到需要的结果，您可以首先按名称分组，计算得分的平均值和标准差，然后重命名和重新索引。

(
     df.groupby('name').score.agg(['mean','std'])
       .rename(columns={'mean':'score'}).reset_index()
)
Out[204]: 
   name       score      std
0  jack   99.000000  0.00000
1   tom   99.666667  0.57735
2  tony  100.000000  0.00000

- Allen Qin