求B列中具有A列中K个最大元素之一的行中的值的平均值：Pandas Dataframe GroupBy Obj

Question

我有一个panda数据帧，叫做df1，有很多列（col1，col2，…）

我想将数据分组到两个特定的列上—比如说col4和col7

在每一组中，我想找到col9中的最高K值

然后，我想找到col10中值的平均值，，它们满足col9中具有最高K值的条件

我试图解决它如下所示：

consideredCols = ['col4', 'col7']
k_value = 3
grp_data = df1.groupby(consideredCols)
print(grp_data.apply(lambda grp: (grp.col9.nlargest(k_value)).mean('col10')))

示例：（显示在groupby['col4'，'col7']阶段之后）

                col9    col10
col4    col7        
john    doe        5    12
                   4    15
                  11    9
                   4    14


jane    doe       42    421
                  50    42
                 124    27
                  15    25

如果这里的K=2，那么我希望约翰的结果是（12+9）/2，简的结果是（42+27）/2

Answer 1

很接近了-需要^{}表示不丢失列col10，然后得到mean：

grp_data = df1.groupby(consideredCols)
print(grp_data.apply(lambda grp: (grp.nlargest(k_value, 'col9'))['col10'].mean()))

col4  col7
jane  doe     34.5
john  doe     10.5
dtype: float64

具有^{}和^{}的另一种解决方案：

out = (df1.sort_values(['col4','col7','col9'], ascending=[True, True, False])
              .groupby(consideredCols)
              .apply(lambda grp: grp.head(2)['col10'].mean()))
print (out)

col4  col7
jane  doe     34.5
john  doe     10.5
dtype: float64

---

out = (df1.sort_values(['col4','col7','col9'], ascending=[True, True, False])
              .groupby(consideredCols)
              .apply(lambda grp: grp.head(2)['col10'].mean())).mean()
print (out)
22.5

为了更好地理解函数，最好使用^{}创建自定义函数并使用print，然后可以使用lambda函数重写它：

consideredCols = ['col4', 'col7']
k_value = 2

def f(grp):
     print (grp)

     print (grp.nlargest(k_value, 'col9'))
     print (grp.nlargest(k_value, 'col9')['col10'].mean())

     return grp.nlargest(k_value, 'col9')['col10'].mean()

grp_data = df1.groupby(consideredCols)
print(grp_data.apply(f))