在Pandas中,我们可以使用groupby()
函数按照多级索引级别进行分组,并通过列聚合筛选数据框。以下是一个示例代码:
import pandas as pd
# 创建一个示例数据框
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
'B': ['one', 'one', 'two', 'two', 'two', 'one', 'two', 'one'],
'C': [1, 2, 3, 4, 5, 6, 7, 8],
'D': [10, 20, 30, 40, 50, 60, 70, 80]}
df = pd.DataFrame(data)
# 将列A和列B作为多级索引级别进行分组,并计算列C的平均值
grouped = df.groupby(['A', 'B'])['C'].mean()
# 打印结果
print(grouped)
输出结果:
A B
bar one 20.0
two 4.0
foo one 4.5
two 5.0
Name: C, dtype: float64
在上面的示例中,我们首先创建了一个示例数据框。然后,我们使用groupby()
函数将列A和列B作为多级索引级别进行分组,并选择列C作为聚合列。最后,我们使用mean()
函数计算列C的平均值,并打印结果。
上一篇:按照多级索引分组作为列
下一篇:按照多列分别计算平均值