连接两个数据帧，然后 groupby 'type' 并计算平均值，第二个 df 的列，即 d1~d10，显示在连接的数据帧中，但不在分组平均值中。我可能错过了一些 pt... 请指出...这里是代码。
results=pd.concat([stockpicks,stock_analysis],axis=1)
print(stockpicks.head(5))
print(stock_analysis.head(5))
print(results.head(5))
results_typed=results.groupby('type')
mean_overall=results_typed.mean()
print(mean_overall)
在输出下方。
date type stocknum price pe
0 2014-02-17 cao3 0326.HK 0.20 20.00
1 2014-02-17 cao3 0536.HK 2.56 25.60
2 2014-02-17 cao3 0595.HK 0.97 48.50
3 2014-02-17 cao3 0698.HK 0.95 15.83
4 2014-02-17 cao3 0759.HK 3.25 108.33
[5 rows x 5 columns]
d1 d2 d5 d10
0 95 95 95 90
1 99.21875 100 97.65625 89.0625
2 100 107.2165 104.1237 93.81443
3 102.1053 97.89474 97.89474 105.2632
4 95.38462 94.15385 92 90.15385
[5 rows x 4 columns]
date type stocknum price pe d1 d2 d5 \
0 2014-02-17 cao3 0326.HK 0.20 20.00 95 95 95
1 2014-02-17 cao3 0536.HK 2.56 25.60 99.21875 100 97.65625
2 2014-02-17 cao3 0595.HK 0.97 48.50 100 107.2165 104.1237
3 2014-02-17 cao3 0698.HK 0.95 15.83 102.1053 97.89474 97.89474
4 2014-02-17 cao3 0759.HK 3.25 108.33 95.38462 94.15385 92
d10
0 90
1 89.0625
2 93.81443
3 105.2632
4 90.15385
[5 rows x 9 columns]
price pe
type
bbom 2.050526 8.135789
bbos 3.136842 10.116316
cao3 1.717368 36.494211
maos 6.661935 20.565161
rscp 48.983333 6.280000
[5 rows x 2 columns]
实际上我一直在重写代码。在我通过重新索引扩展第一个 df，然后将值分配给扩展的 df，groupby 'type' 并计算分组平均值之前，完全没问题......
我在 ubuntu 上使用 python3.3 和 pandas 13.1。
计算 d 值的语句
days=[1,2,5,10]
p0=stockprice[p0_date]
stock_pct_change={('d'+str(d)):stockprice[p0_date+d]/p0*100.0 if (p0_date+d)< len(trading_days) else np.nan for d in days }
最佳答案
缺少的列是因为它们是字符串/日期/对象，并且计算这些列的平均值毫无意义。
在我看来，您的 d1、d2、d5 和 d10 列是字符串，因为输出将它们显示为整数/浮点数的混合。
如果要计算这些列的平均值，请像这样更改它们的 dtype:
df.d1 = df.d1.astype(np.float64)
# do the same for d2..etc..
关于python-3.x - concat 后的 groupby，组中缺少的列均值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/22526237/