具有多个值的组列

Question

我有一个看起来像这样的数据框（一个列有多个值，另一列仅带有小数的数字）：

food number
apple,tomato,melon 897.0
apple,meat,banana 984.9
banana,tomato 340.8

我想获得每种食物的平均数量。在示例中为：

• Apple =（897.0 + 984.9）/2 = 940.95
• 香蕉=（984.9 + 340.8）/2 = 662.85，

等等，依此类推，以至于以新的data frame和“平均食物”和“平均水平”结尾处数字。

food average
apple 915.95
banana 662.85

我尝试了Groupby的运气，但结果全都搞砸了：

#reshape data
df = pd.DataFrame({
    'food' : list(chain.from_iterable(df.food.tolist())), 
    'number' : df.number.repeat(df.food.str.len())
})
# groupby
df.groupby('food').number.apply(lambda x: x.unique().tolist())

我必须说原始数据框架的行超过100k行。谢谢。

Answer 1

使用 dataframe.explame.explame.explode（＆lt; column-name＆gt; ）将列表中的各个项目扩展到单独的单元格中。他们保留原始索引，因此相应的数字被填写。从那里，这是一个简单的组，然后是简单的均值。

import pandas as pd

df = pd.DataFrame({'food': [['apple', 'tomato', 'melon'], 
                            ['apple','meat', 'banana'],
                            ['banana', 'tomato']], 
                   'number': [897, 984.9, 340.8]})

df.explode('food').groupby('food').mean()

结果

        number
food          
apple   940.95
banana  662.85
meat    984.90
melon   897.00
tomato  618.90

Answer 2

首先，您必须将字符串列转换为每个单元格中的列表。我还提供了删除白色空间（如果有）的能力。 创建的DF进行修改

import pandas as pd
df = pd.DataFrame({'food': ["apple,tomato, melon", 
                            "apple,meat,banana,melon",
                            "banana, tomato, melon"], 
                   'number': [897, 984.9, 340.8]})

df['food'] = df['food'].str.split(',').apply(lambda x: [e.strip() for e in x]).tolist()
df.explode('food').groupby('food').agg('mean')

9769953

我从@ /f8fyh.png“ alt =”在此处输入图像描述>

如果您想要更多的聚合，则可以使用

df.explode('food').groupby('food').agg(['min', 'mean', 'max'])