在 Pandas 中进行多列分组后，如何计算每个组的子组中计数的平均值？

Question

我有一些数据如下：

+---------+----------+----------+
| groupX  | groupY   | id       |
+---------+----------+----------+
| A       |  1       | e13r2    |
| B       |  2       | efwu1    |
| A       |  1       | efgi3    |
| B       |  4       | eoij9    |
+---------+----------+----------+

df = pd.DataFrame([['A',1,'e13r2'],['B',2,'efwu1'],['A',1,'efgi3'],['B',4,'eoij9']],
                   columns=['groupX','groupY','id'])

让我演示一下我的目标：

我想按groupX分组，然后按groupY再分组。例如，这将给我们提供组A中的所有内容。组A进一步分为子组。在这种情况下，组A中只有1个子组。在这个子组中有两个id：e13r2和efgi3。同样，在组B中有2个子组。子组2包含IDefwu1，子组4包含IDeoij9。

因此，组A包含一个子组。这个子组里有两个id。平均而言，组A的子组中有2个id。

组B包含两个子组。子组2包含一个id，子组4包含一个id。平均而言，组B的子组中有1个id。

因此，我正在计算每个组的子组内计数的平均值。

我正在寻找一个Pandas命令，可以返回以下结果：

+---------+--------------------------------+
| groupX  | mean counts within subgroups   |
+---------+--------------------------------+
| A       |  2                             |
| B       |  1                             |
+---------+--------------------------------+

目前我的尝试是：

df.groupby(['groupX','groupY']).count()

但是我不知道如何从这里继续。

- Data

Answer 1

在这种情况下，你可以链接使用groupby。

level=0 是指你的索引，即 groupX，你也可以直接使用索引名称。

df1 = df.groupby(['groupX','groupY'])['id'].size().groupby(level=0).mean()
#or
#df.groupby(['groupX','groupY'])['id'].size().groupby('groupX').mean()
#or
#df.groupby(['groupX','groupY'])['id'].size().mean(level=0)


groupX
 A           2
 B           1

- Umar.H

---

@QuangHoang 哇，我不知道那个！谢谢伙计。 - Umar.H

Answer 2

你可以在 groupX 上进行另一次分组：df.groupby(['groupX','groupY']).count().groupby(['groupX']).mean() 输出：

        id
groupX    
A        2
B        1

- Derek O

Answer 3

试试这个：

>>> df.groupby(["groupX", "groupY"]).count().mean(level = 0)

        id
groupX    
A        2
B        1

- Pablo C