Python:以另一列为条件的数据框中列表的逐元素平均值

Question

我有一个看起来像这样的数据框，包含三列(10 种不同的刺激、16 次试验和一个包含等长列表的数据列)。我只是想根据刺激获得数据列的逐元素平均值。由于我有 10 种不同的刺激，它应该为每种刺激产生 10 个数组，这也是试验中所有数据数组的平均值。

我想过这样的事情，但它让我觉得很奇怪。

df.groupby('stimulus').apply(np.mean)
>> IndexError: tuple index out of range

---

构建我的数据框

trial_vec       = np.tile(np.arange(16)+1, 10)     
stimulus_vec    = np.repeat([-2., -1.75, -1., -0.75, -0.5,  0.5,  1.,  1.25,  1.75,  2.5 ], 16)                  
data_vec        = np.random.randint(0, 16, size=160)
df              = pd.DataFrame({'trial': trial_vec, 'stimulus': stimulus_vec, 'data': data_vec}).astype('object')
df["data"]      = [np.random.rand(4).tolist() for i in range(160)]
df

Answer 1

您可以将每个组中的 data 转换为二维列表，这确保对象可以转换为二维 numpy 数组当数据列的每个单元格中的元素数量相同时，然后将 mean 置于 axis=0 之上(按列平均):

df.groupby('stimulus').data.apply(lambda g: np.mean(g.values.tolist(), axis=0))

#stimulus
#-2.00    [0.641834320107, 0.427639804593, 0.42733812964...
#-1.75    [0.622484839138, 0.529860126072, 0.63310754064...
#-1.00    [0.546323060494, 0.465573022088, 0.54947320390...
#-0.75    [0.431675052484, 0.367636755052, 0.45263194597...
#-0.50    [0.423135952819, 0.544110613089, 0.55496058720...
# 0.50    [0.421858616927, 0.439204977418, 0.43153540636...
# 1.00    [0.612239664017, 0.499305567037, 0.46284515082...
# 1.25    [0.498544756769, 0.481073640317, 0.43564801829...
# 1.75    [0.51821909334, 0.44904063908, 0.358509374567,...
# 2.50    [0.465606275355, 0.516448419224, 0.33715002349...
#Name: data, dtype: object

或者将 stack 数据作为二维数组，然后将 mean 覆盖在 axis=0 上:

df.groupby('stimulus').data.apply(lambda g: np.mean(np.stack(g), axis=0))

---

编辑:如果你在data列中有nan，你可以使用np.nanmean来计算没有mean的nan:

df.groupby('stimulus').data.apply(lambda g: np.nanmean(np.stack(g), axis=0))