Есть ли способ получить несколько средних после функции groupby в pandas? - PullRequest
Новая
       10

Есть ли способ получить несколько средних после функции groupby в pandas?

1 голос
/ 02 марта 2020

У меня есть следующий pandas timeseries dataframe: 

Index   Time    Centre position X   Centre position Y   Datafile    Group   Zone    Timeframe   dV
8789    1257.318    180.0   201.0   CHR1    CHR Zone A  Before stimulation  15.625000
8790    1257.462    181.0   195.0   CHR1    CHR Zone A  Before stimulation  42.241406
8791    1257.590    184.0   188.0   CHR1    CHR Zone A  Before stimulation  59.498227
8792    1257.718    187.0   184.0   CHR1    CHR Zone B  Before stimulation  39.062500
8793    1257.862    190.0   176.0   CHR1    CHR Zone B  Before stimulation  59.333359
8794    1257.927    190.0   173.0   CHR1    CHR Zone A  Before stimulation  46.153846
8795    1258.054    192.0   171.0   CHR1    CHR Zone A  Before stimulation  22.271080
8796    1258.198    192.0   172.0   CHR1    CHR Zone C  After stimulation   6.944444
8797    1258.326    192.0   171.0   CHR1    CHR Zone C  After stimulation   7.812500
8798    1258.454    191.0   169.0   CHR1    CHR Zone A  After stimulation   17.469281
8799    1258.598    191.0   168.0   CHR1    CHR Zone A  After stimulation   6.944444
8800    1258.726    192.0   165.0   CHR1    CHR Zone A  After stimulation   24.705294

Я хотел бы извлечь среднюю скорость (dV), сгруппированную по Timeframe и Zone, так как данные являются последовательными Я хотел бы получить несколько средних для данного таймфрейма и зоны. Я не смог придумать элегантный способ добиться этого, поскольку groupby усредняет все значения и выводит одно значение.

Ожидаемый результат: Expected output

Спасибо Вы очень заранее!

1 Ответ

1 голос
/ 02 марта 2020

Первое, что вам нужно сделать, это создать справочный столбец. Очень наивный способ похож на 

df.loc[:,'Zone_shift']=df.loc[:,'Zone'].shift(1)
df.loc[:,'Timeframe_shift']=df.loc[:,'Timeframe'].shift(1)
df.loc[:,'Groupby'] = df.apply(lambda x: 0 if x['Zone']==x['Zone_shift'] and x['Timeframe']==x['Timeframe_shift'] else 1, axis=1)
df.loc[:,'Groupby'] = df.loc[:,'Groupby'].cumsum()

После добавления справочных данных, фрейм данных выглядит как 

    Zone    Timeframe               dV  Zone_shift  Timeframe_shift Groupby
0   ZoneA   Beforestimulation   15.625    nan        nan            1
1   ZoneA   Beforestimulation   42.241  ZoneA   Beforestimulation   1
2   ZoneA   Beforestimulation   59.498  ZoneA   Beforestimulation   1
3   ZoneB   Beforestimulation   39.062  ZoneA   Beforestimulation   2
4   ZoneB   Beforestimulation   59.333  ZoneB   Beforestimulation   2
5   ZoneA   Beforestimulation   46.153  ZoneB   Beforestimulation   3
6   ZoneA   Beforestimulation   22.271  ZoneA   Beforestimulation   3
7   ZoneC   Afterstimulation    6.9444  ZoneA   Beforestimulation   4
8   ZoneC   Afterstimulation    7.8125  ZoneC   Afterstimulation    4
9   ZoneA   Afterstimulation    17.469  ZoneC   Afterstimulation    5
10  ZoneA   Afterstimulation    6.9444  ZoneA   Afterstimulation    5
11  ZoneA   Afterstimulation    24.705  ZoneA   Afterstimulation    5

Тогда вам нужно сгруппировать только по 

df.groupby(['Groupby','Zone','Timeframe']).mean()

И конечный результат будет выглядеть как 

Groupby Zone    Timeframe   dV
1   ZoneA   Beforestimulation   39.12154433333333
2   ZoneB   Beforestimulation   49.1979295
3   ZoneA   Beforestimulation   34.212463
4   ZoneC   Afterstimulation    7.378472
5   ZoneA   Afterstimulation    16.373006333333333
...