Python - Pandas - DataFrame 减少行数

Question

我有一个像这样的数据表：

ind  col1 col2
1    12   string1  ...
2    23   string2 ...
3    34   string1 ...
4    13   string2 ...
5    17   string3 ...
...  ...  ...     ...

我想把这个数据表压缩一下，让第二列（col2）里的值变得唯一。在第一列（col1）和其他所有数字列中，我想把那些第二列相同的值的中位数放进去。

我知道可以通过提取 df[df["col2"] == "stringN"] 来计算中位数，然后再建立一个新的数据表，但有没有更优雅、更符合 Python 风格的方法来做到这一点呢？

Answer 1

你可以使用 groupby 来根据 col2 的值把行分组，然后使用 .median() 来计算中位数：

>>> df
   ind  col1     col2
0    1    12  string1
1    2    23  string2
2    3    34  string1
3    4    13  string2
4    5    17  string3
>>> df.groupby("col2")
<pandas.core.groupby.DataFrameGroupBy object at 0x9f41b8c>
>>> df.groupby("col2").median()
         ind  col1
col2              
string1    2    23
string2    3    18
string3    5    17
>>> df.groupby("col2").median().reset_index()
      col2  ind  col1
0  string1    2    23
1  string2    3    18
2  string3    5    17

注意，结果中也包含了 ind 值的中位数。你还可以看看 .mean()（平均值）、.min()（最小值）、.max()（最大值），或者如果你想的话，也可以自己写一个函数来实现。