寻找多层次平均值

Question

假设我在熊猫数据框中有如下数据：

我想找到以下描述性统计数据（平均值、中位数、标准偏差）：

1. 每个群组的唯一用户数
2. 每个群组每个用户的评论
3. 每个队列的评论

所以对于输出，我希望看到：

1. 每个群组的唯一用户数->[{a:3}，{b:2}，…]然后找到序列的描述性统计
2. 每个群组每个用户的评论->[{(a、 亚历克斯：2}，{（b，亚历克斯）：0}，{（a，贝丝）：1}，{（b，贝丝）：3}……]
3. 每个群组的评论->[{a:5}，{b:6}…]

我用的是熊猫，我完全不知道怎么做这么简单的事。我曾考虑过使用.groupby()，但没有给出一个明确的解决方案。我可以在没有熊猫的情况下做到这一点，但我认为熊猫数据框就是为这些问题而设计的

谢谢

Answer 1

解决方案

你可以用

df.groupby(['Cohort', 'User']).describe()

或者

df.groupby(['Cohort']).describe()

根据您的期望输出

df.groupby(['Cohort'])['User'].apply(lambda x: x.describe().ix['unique'])

以及

df.groupby(['Cohort', 'User'])['Comment'].apply(lambda x: x.describe().ix['unique'])

以及

df.groupby(['Cohort'])['Comment'].apply(lambda x: x.describe().ix['unique'])

Answer 2

>>> df.groupby('Cohort').User.apply(lambda group: group.unique())
Cohort
a    [alex, beth, craig]
b          [beth, craig]
Name: User, dtype: object

>>> df.groupby('Cohort').User.apply(lambda group: group.nunique())
Out[40]: 
Cohort
a    3
b    2
Name: User, dtype: int64

>>> df.groupby(['Cohort', 'User']).Comment.count()
Out[43]: 
Cohort  User 
a       alex     2
        beth     1
        craig    2
b       beth     3
        craig    3
Name: Comment, dtype: int64

df.groupby(['Cohort']).Comment.count()
Out[44]: 
Cohort
a    5
b    6
Name: Comment, dtype: int64