Pandas按唯一值分组并对其进行平均

Question

我有以下数据框：

   ID ID2  SCORE  X  Y
0   0   a     10  1  2
1   0   b     20  2  3
2   0   b     20  3  4
3   0   b     30  4  5
4   1   c      5  5  6
5   1   d      6  6  7

我想做的是按ID和ID2分组，并仅考虑唯一的分数平均SCORE。

现在，如果我使用标准的df.groupby(['ID', 'ID2'])['SCORE'].mean()，我将得到23.33~的分数，而我要找的是25分。

我知道我可以过滤掉X和Y，去除重复项并这样做，但我想保留它们，因为它们是相关的。

我该如何实现？

- bluesummers

Answer 1

如果我理解正确：

In [41]: df.groupby(['ID', 'ID2'])['SCORE'].agg(lambda x: x.unique().sum()/x.nunique())
Out[41]:
ID  ID2
0   a      10
    b      25
1   c       5
    d       6
Name: SCORE, dtype: int64

或者更简单一些：

In [43]: df.groupby(['ID', 'ID2'])['SCORE'].agg(lambda x: x.unique().mean())
Out[43]:
ID  ID2
0   a      10
    b      25
1   c       5
    d       6
Name: SCORE, dtype: int64

- MaxU - stand with Ukraine

---

应该是25，而不是35，因为20和30的平均值是25。 - bluesummers

lambda x: x.unique().sum()/x.nunique()) 确实有效！ - bluesummers

@bluesummers，是的，我也得出了同样的解决方案... :-) - MaxU - stand with Ukraine

Answer 2

在处理前先删除重复项，可以获取('ID', 'ID2')组内的唯一分数。

cols = ['ID', 'ID2', 'SCORE']
d1 = df.drop_duplicates(cols)
d1.groupby(cols[:-1]).SCORE.mean()

ID  ID2
0   a      10
    b      25
1   c       5
    d       6
Name: SCORE, dtype: int64

- piRSquared

Answer 3

您也可以使用

In [108]: df.drop_duplicates(['ID', 'ID2', 'SCORE']).groupby(['ID', 'ID2'])['SCORE'].mean()
Out[108]:
ID  ID2
0   a      10
    b      25
1   c       5
    d       6
Name: SCORE, dtype: int64

- Zero