我在 pandas 中有以下数据框
key time outlier
1_2 4 False
1_2 2 True
1_2 2 True
1_2 5 True
1_2 6 False
1_3 10 False
1_3 12 False
1_3 10 True
1_3 20 True
我想计算离群值为True的每个关键级别的平均值、中位数和计数。我想要的数据框如下
key time outlier outlier_avg outlier_median outlier_count
1_2 4 False 3 2 3
1_2 2 True 3 2 3
1_2 2 True 3 2 3
1_2 5 True 3 2 3
1_2 6 False 3 2 3
1_3 10 False 15 15 2
1_3 12 False 15 15 2
1_3 10 True 15 15 2
1_3 20 True 15 15 2
平均值、中位数和计数将在键之间重复，这很好。我正在 pandas 中做以下事情
data.groupby('key').filter(lambda x : x['outlier'] == True).agg({'time':['mean','median', 'count'])
最佳答案
首先按boolean indexing过滤，然后聚合，将列名称重命名为 DataFrame.add_prefix最后DataFrame.join原文:
df = (data.join(data[data['outlier']].groupby('key')['time'].agg(['mean','median', 'count'])
.add_prefix('outlier_'), on='key'))
print (df)
key time outlier outlier_mean outlier_median outlier_count
0 1_2 4 False 3 2 3
1 1_2 2 True 3 2 3
2 1_2 2 True 3 2 3
3 1_2 5 True 3 2 3
4 1_2 6 False 3 2 3
5 1_3 10 False 15 15 2
6 1_3 12 False 15 15 2
7 1_3 10 True 15 15 2
8 1_3 20 True 15 15 2
编辑:分别处理True和False列的解决方案:
df = data.groupby(['key','outlier'])['time'].agg(['mean','median', 'count']).unstack()
df.columns = df.columns.map(lambda x: f'outlier_{x[0]}_{x[1]}')
df = data.join(df, on='key')
print (df)
key time outlier outlier_mean_False outlier_mean_True \
0 1_2 4 False 5 3
1 1_2 2 True 5 3
2 1_2 2 True 5 3
3 1_2 5 True 5 3
4 1_2 6 False 5 3
5 1_3 10 False 11 15
6 1_3 12 False 11 15
7 1_3 10 True 11 15
8 1_3 20 True 11 15
outlier_median_False outlier_median_True outlier_count_False \
0 5 2 2
1 5 2 2
2 5 2 2
3 5 2 2
4 5 2 2
5 11 15 2
6 11 15 2
7 11 15 2
8 11 15 2
outlier_count_True
0 3
1 3
2 3
3 3
4 3
5 2
6 2
7 2
关于python - pandas groupby、过滤器和聚合函数，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59501215/