在Pandas数据框中查找每三列的平均值 [英] Find Average of Every Three Columns in Pandas dataframe

问题描述

我是Python和熊猫的新手。我有一个熊猫数据框，每月列数从2000（2000-01）到2016（20166）。

我想查找每三个月的平均值，并将其分配到一个新的季度列（2000q1）。我知道我可以执行以下操作：

  df ['2000q1'] = df [['2000-01'，'2000 -02'，'2000-03']]。mean（axis = 1）
 df ['2000q2'] = df [['2000-04'，'2000-05'，'2000-06'] ] .mean（axis = 1）
。 
。 
。 
 df ['2016-02'] = df [['2016-04'，'ㄧ'，'2016-0ㄧ2016-0']] mean（轴= 1）
  

但是，这是非常乏味的。

解决方案

您可以在列上使用groupby：

  df.groupby（np.arange（len（df.columns））// 3，axis = 1）.mean（）
  

或者，可以将它们转换为datetime。您可以使用resample：

  df.columns = pd.to_datetime（df.columns）
 df.resample（' Q'，轴= 1）.mean（）
  

---

这是一个演示：

  cols = pd.date_range（'2000-01'，'2000-06'，freq =' MS'）
 cols = cols.strftime（'％Y-％m'）
 cols 
输出：
数组（['2000-01'，'2000-02' ，'2000-03'，'2000-04'，'2000-05'，'2000-06']，
 dtype ='< U7'）
 
 df = pd。 DataFrame（np.random.randn（10，6），columns = cols）
 
 df 
输出：
 2000-01 2000-02 2000-03 2000-04 2000- 05 2000-06 
 0 -1.263798 0.251526 0.851196 0.159452 1.412013 1.079086 
 1 -0.909071 0.685913 1.394790 -0.883605 0.034114 -1.073113 
 2 0.516109 0.452751 -0.397291 -0.050478 -0.364368 -0.002477 
 3 1.459609 -1.696641 0.457822 1.057702 -0.066313 -0.910785 
 4 -0.482623 1.388621 0.971078 -0.038535 0.033167 0.025781 
 5 -0.016654 1.4 04805 0.100335 -0.082941 -0.418608 0.588749 
 6 0.684735 -2.007105 0.552615 1.969356 -0.614634 0.021459 
 7 0.382475 0.965739 -1.826609 -0.086537 -0.073538 -0.534753 
 8 1.548773 -0.157250 0.494819 -1.631516 0.627794 -0.398741 
 9 0.199049 0.145919 0.711701 0.305382 -0.118315 -2.397075 
  

首选：

  df.groupby（np.arange（len（df.columns））// 3，axis = 1）.mean（）
出：
 0 1 
 0 -0.053692 0.883517 
 1 0.390544 -0.640868 
 2 0.190523 -0.139108 
 3 0.073597 0.026868 
 4 0.625692 0.006805 
 5 0.496162 0.029067 
 6 -0.256585 0.458727 
 7 -0.159465 -0.231609 
 8 0.628781 -0.467487 
 9 0.352223 -0.736669 
  

第二个选择：

  df.columns = pd.to_datetime（df .columns）
 df.resample（'Q'，轴= 1）.mean（）
 
出：
 2000-03-31 2000-06-30 
 0 -0.053692 0.883517 
 1 0.390544 -0.640868 
 2 0.190523 -0.139108 
 3 0.073597 0.026868 
 4 0.625692 0.006805 
 5 0.496162 0.029067 
 6 -0.256585 0.458727 
 7 -0.159465 -0.231609 
 8 0.628781 -0.467487 
 9 0.352223 -0.736669 
  

你可以将其分配给DataFrame：

  res = df.resample（'Q'，axis = 1）.mean（）
  

根据需要更改列名称：

  res = res.rename（columns = lambda col：'{} q {}'。format（col.year，col.quarter））
 
 res 
出：
 2000q1 2000q2 
 0 -0.053692 0.883517 
 1 0.390544 -0.640868 
 2 0.190523 -0.139108 
 3 0.073597 0.026868 
 4 0.625692 0.006805 
 5 0.496162 0.029067 
 6 -0.256585 0.458727 
 7 -0.159465 -0.231609 
 8 0.628781 -0.467487 
 9 0.352223 -0.736669 
  / pre> 
 
 
并将其附加到您当前的DataFrame：
  pd.concat（[df，res]，axis = 1）
  
 
I am new to Python and Pandas. I have a panda dataframe with monthly columns ranging from 2000 (2000-01) to 2016 (2016-06).  

I want to find the average of every three months and assign it to a new quarterly column (2000q1). I know I can do the following: 
df['2000q1'] = df[['2000-01', '2000-02', '2000-03']].mean(axis=1)
df['2000q2'] = df[['2000-04', '2000-05', '2000-06']].mean(axis=1)
    .
    .
    .
df['2016-02'] = df[['2016-04', '2016-05', '2016-06']].mean(axis=1)
But, this is very tedious. I appreciate it if someone helps me find a better way.
解决方案
You can use groupby on columns:
df.groupby(np.arange(len(df.columns))//3, axis=1).mean()
Or, those can be converted to datetime. You can use resample:
df.columns = pd.to_datetime(df.columns)
df.resample('Q', axis=1).mean()




Here's a demo:
cols = pd.date_range('2000-01', '2000-06', freq='MS')
cols = cols.strftime('%Y-%m')
cols
Out: 
array(['2000-01', '2000-02', '2000-03', '2000-04', '2000-05', '2000-06'], 
      dtype='<U7')

df = pd.DataFrame(np.random.randn(10, 6), columns=cols)

df
Out: 
    2000-01   2000-02   2000-03   2000-04   2000-05   2000-06
0 -1.263798  0.251526  0.851196  0.159452  1.412013  1.079086
1 -0.909071  0.685913  1.394790 -0.883605  0.034114 -1.073113
2  0.516109  0.452751 -0.397291 -0.050478 -0.364368 -0.002477
3  1.459609 -1.696641  0.457822  1.057702 -0.066313 -0.910785
4 -0.482623  1.388621  0.971078 -0.038535  0.033167  0.025781
5 -0.016654  1.404805  0.100335 -0.082941 -0.418608  0.588749
6  0.684735 -2.007105  0.552615  1.969356 -0.614634  0.021459
7  0.382475  0.965739 -1.826609 -0.086537 -0.073538 -0.534753
8  1.548773 -0.157250  0.494819 -1.631516  0.627794 -0.398741
9  0.199049  0.145919  0.711701  0.305382 -0.118315 -2.397075
First alternative:
df.groupby(np.arange(len(df.columns))//3, axis=1).mean()
Out: 
          0         1
0 -0.053692  0.883517
1  0.390544 -0.640868
2  0.190523 -0.139108
3  0.073597  0.026868
4  0.625692  0.006805
5  0.496162  0.029067
6 -0.256585  0.458727
7 -0.159465 -0.231609
8  0.628781 -0.467487
9  0.352223 -0.736669
Second alternative:
df.columns = pd.to_datetime(df.columns)
df.resample('Q', axis=1).mean()

Out: 
   2000-03-31  2000-06-30
0   -0.053692    0.883517
1    0.390544   -0.640868
2    0.190523   -0.139108
3    0.073597    0.026868
4    0.625692    0.006805
5    0.496162    0.029067
6   -0.256585    0.458727
7   -0.159465   -0.231609
8    0.628781   -0.467487
9    0.352223   -0.736669
You can assign this to a DataFrame:
res = df.resample('Q', axis=1).mean()
Change column names as you like:
res = res.rename(columns=lambda col: '{}q{}'.format(col.year, col.quarter))

res
Out: 
     2000q1    2000q2
0 -0.053692  0.883517
1  0.390544 -0.640868
2  0.190523 -0.139108
3  0.073597  0.026868
4  0.625692  0.006805
5  0.496162  0.029067
6 -0.256585  0.458727
7 -0.159465 -0.231609
8  0.628781 -0.467487
9  0.352223 -0.736669
And attach this to your current DataFrame by:
pd.concat([df, res], axis=1)


                        
这篇关于在Pandas数据框中查找每三列的平均值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！