Python:基于另一列值的 CSV 文件中的平均值

Question

我是一个菜鸟，我有一个很大的 CSV 文件，其数据结构如下(包含更多列):

State  daydiff
CT     5.5
CT     6.5
CT     6.25
NY     3.2
NY     3.225
PA     7.522
PA     4.25

我想输出一个新的 CSV，其中 daydiff 是每个 State 的平均值，如下所示:

State  daydiff
CT     6.083
NY     3.2125
PA     5.886

我尝试了多种方法，最干净的似乎是利用 pandas groupby 但当我运行下面的代码时:

import pandas as pd

df = pd.read_csv('C:...input.csv')
df.groupby('State')['daydiff'].mean()

df.to_csv('C:...AverageOutput.csv')

我得到一个与原始文件相同的文件，但在第一列中添加了一个没有标题的计数器:

,State,daydiff
0,CT,5.5
1,CT,6.5
2,CT,6.25
3,NY,3.2
4,NY,3.225
5,PA,7.522
6,PA,4.25

我还希望将 datediff 中的新平均值控制为小数，仅精确到百分之一。谢谢

Answer 1

计数器的“问题”是因为 to_csv 的默认行为是写入索引。您应该执行df.to_csv('C:...AverageOutput.csv', index=False)。

您可以通过将其转换为字符串来控制daydiff的输出格式。 df.daydiff = df.daydiff.apply(lambda x: '{:.2f}'.format(x))

您的完整代码应该是:

df = pd.read_csv('C:...input.csv')
df2 = df.groupby('State')['daydiff'].mean().apply(lambda x: '{:.2f}'.format(x))
df2.to_csv('C:...AverageOutput.csv')