Pandas Dataframe：在不断增加的列数上循环并计算mean和std

Question

基本上，我有一个表有20个属性和一个值。我想找到std=0时所需的最少属性数（即粒度级别完美到允许1:1）

我想设置一个循环，如果使用列名进行硬编码，它将如下所示：

for iter in range(1,21):
  dfcalc = df.groupby("LINE_NUM")["RATIO"].agg([np.mean, np.std])
  dfcalc = df.groupby("LINE_NUM","TYPE")["RATIO"].agg([np.mean, np.std])

如何在循环中使用iter变量来定义要分组的列

Answer 1

如果我正确理解您的需求，您可以这样做：

for i in range(1, len(df.columns) + 1):
    df.groupby(df.columns[:i].tolist()).agg([np.mean, np.std])

（iter是内置函数的名称）

您也可以将.iloc用于integer-based indexing