Tengo un marco de datos como este:
cluster org time
1 a 8
1 a 6
2 h 34
1 c 23
2 d 74
3 w 6
Me gustaría calcular el tiempo promedio por organización por clúster.
Resultado Esperado:
cluster mean(time)
1 15 ((8+6)/2+23)/2
2 54 (74+34)/2
3 6
No sé cómo hacerlo en Pandas, ¿alguien puede ayudar?
df.groupby(['org','cluster']).mean()
? esto no es tan significativo para su conjunto de datos a diferencia de esto:df.groupby(['cluster','org']).mean()
Respuestas:
Si primero desea tomar la media en la combinación de
['cluster', 'org']
y luego tomar la media en loscluster
grupos, puede usar:In [59]: (df.groupby(['cluster', 'org'], as_index=False).mean() .groupby('cluster')['time'].mean()) Out[59]: cluster 1 15 2 54 3 6 Name: time, dtype: int64
Si solo desea la media de los
cluster
grupos, puede usar:In [58]: df.groupby(['cluster']).mean() Out[58]: time cluster 1 12.333333 2 54.000000 3 6.000000
También se puede utilizar
groupby
en['cluster', 'org']
y luego usarmean()
:In [57]: df.groupby(['cluster', 'org']).mean() Out[57]: time cluster org 1 a 438886 c 23 2 d 9874 h 34 3 w 6
fuente
Simplemente haría esto, que sigue literalmente cuál era su lógica deseada:
df.groupby(['org']).mean().groupby(['cluster']).mean()
fuente