python - Pandas - 计算相同数据的平均值

Question

我有一个 pandas df，它有一个项目编号列表，然后旁边有一个数字。我想以某种方式获得所有相同项目编号及其旁边的编号的平均值。

这是 DataFrame 的一部分:

Item ID        Time
X32TR2639      7.142857
X32TR2639      7.142857
X36SL7708      16.714286
X36TA0029      16.714286
X36TR3016      16.714286

期望的输出:

Item ID        Average Time:
X32TR2639      7.142857
X36SL7708      16.714286
X36TA0029      16.714286
X36TR3016      16.714286

我希望每个项目 ID 都有一个平均时间，但是如果该项目 ID 有多个副本，则取它们的平均值

这只是数据框的一小部分。如您所见，前两个是相同的。我想计算所有这些的平均值。因此，如果它相同，则使用所有这些数字并获得该平均值。因此脚本会查找所有项目编号 X32TR2639 并获取其旁边的数字，然后获取该平均值。

Answer 1

我会提出一个简单的 groupby.mean 和一个 reset_index。

data = {"Item ID":['X32TR2639','X32TR2639','X36SL7708','X36TA0029','X36TR3016'],'time':[7.142857,7.142857,16.714286,16.714286,16.714286]}

df = pd.DataFrame(data)

df.groupby('Item ID').mean().reset_index()

     Item ID       time
0  X32TR2639   7.142857
1  X36SL7708  16.714286
2  X36TA0029  16.714286
3  X36TR3016  16.714286

额外

我已经尝试了 50k 的数据，这是时间性能。

df

              ID      time
0      X32TR2639  0.837810
1      X32TR2639  0.855781
2      X36SL7708  0.322786
3      X36TA0029  0.441353
4      X36TR3016  0.254487
         ...       ...
49995  X32TR2639  0.885251
49996  X32TR2639  0.315009
49997  X36SL7708  0.298589
49998  X36TA0029  0.229855
49999  X36TR3016  0.933437

[50000 rows x 2 columns]

%timeit df.groupby('ID').mean().reset_index()
4.76 ms ± 73.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

这是在具有重复项的 50k 数据帧上执行 groupby.mean 后的输出数据帧。

df.groupby('ID').mean().reset_index()

          ID      time
0  X32TR2639  0.493729
1  X36SL7708  0.500936
2  X36TA0029  0.501064
3  X36TR3016  0.492773