面板数据：平均值、分组和有条件

Question

我想先计算作业的平均值，然后再计算作业的平均值。你知道吗

id  year  entry  cohort  jobs  year_of_life
1  2009    0     NaN      10      NaN
1  2012    1     2012     12      0
1  2013    0     2012     12      1
1  2014    0     2012     13      2
2  2010    1     2010     2       0
2  2011    0     2010     3       1
2  2012    0     2010     3       2
3  2007    0     NaN      4       Nan
3  2008    0     NaN      4       Nan
3  2012    1     2012     5       0
3  2013    0     2012     5       1

非常感谢

Answer 1

满足您的第一个要求-

df.query('entry == 1').jobs.mean()
6.333333333333333

---

在这里，我只考虑entry是1的作业。你知道吗

df.assign(jobs=df.jobs.mask(df.entry == 1)).groupby('year_of_life').jobs.mean()

year_of_life
0           NaN
1      6.666667
2      8.000000
Nan    4.000000
Name: jobs, dtype: float64

如果您只想通过year_of_life来表示，一个简单的groupby就足够了。你知道吗

df.groupby('year_of_life').jobs.mean()

year_of_life
0      6.333333
1      6.666667
2      8.000000
Nan    4.000000
Name: jobs, dtype: float64

---

请注意，这与另一个答案的建议不同，我认为这不是您想要的：

df.query('entry == 1').groupby('year_of_life').jobs.mean()

year_of_life
0    6.333333
Name: jobs, dtype: float64

Answer 2

首先，您可以使用布尔索引来过滤数据帧中条件为真的行，然后取平均值df[df.entry == 1].mean()。对于第二种情况，按生命年分组，然后取每组的平均值。如果您想同时满足这两个条件，那么进行分组尝试df[df.entry == 1].groupby('year_of_life').mean()。你知道吗