计算数据框中选定列的选定行的平均值

Question

我有100行10列的数据（实际数据非常大）。我还有一个row_索引列表，它包含哪些行被认为是平均值。我想计算第2、5、6、7和8列的平均值。我们可以用dataframe对象的函数来实现吗

我知道的是做一个for循环，为row_索引中的每个元素获取行的值，然后继续执行mean。我们是否有一些直接函数，可以为exdf.meanAdvance(row_list,column_list,axis=0)传递行列表、列列表和轴

我已经看过DataFrame.mean（），但我想这没什么帮助

  a b c d q 
0 1 2 3 0 5
1 1 2 3 4 5
2 1 1 1 6 1
3 1 0 0 0 0

我想要每个a, b, d列的0, 2, 3行的平均值

  a b d
0 1 1 2

Answer 1

要选择数据帧的行，可以使用iloc，然后可以使用方括号选择所需的列

例如：

 df = pd.DataFrame(data=[[1,2,3]]*5, index=range(3, 8), columns = ['a','b','c'])

提供以下数据帧：

   a  b  c
3  1  2  3
4  1  2  3
5  1  2  3
6  1  2  3
7  1  2  3

要仅选择三维和第五行，可以执行以下操作：

df.iloc[[2,4]]

返回：

   a  b  c
5  1  2  3
7  1  2  3

如果您想仅选择列b和c，则使用以下命令：

df[['b', 'c']].iloc[[2,4]]

这将产生：

   b  c
5  2  3
7  2  3

然后，要获得数据帧子集的平均值，可以使用df.mean函数。如果需要列的平均值，可以指定axis=0；如果需要行的平均值，可以指定axis=1

因此：

df[['b', 'c']].iloc[[2,4]].mean(axis=0)

返回：

b    2
c    3

正如我们从输入数据帧中所期望的那样

对于您的代码，您可以执行以下操作：

 df[column_list].iloc[row_index_list].mean(axis=0)

评论后编辑： 评论中的新问题： 我必须将这些方法存储在另一个df/矩阵中。我有L1，L2，L3，L4…LX列表，它告诉我C[1，2，3]列需要的索引的平均值。对于ex:L1=[0，2，3]，意味着我需要行0，2，3的平均值，并将其存储在新df/矩阵的第一行中。然后L2=[1,4]，我将再次计算平均值，并将其存储在新df/矩阵的第二行。类似地，直到LX，我希望新的df有X行和len（C）列。L1..LX的列将保持不变。你能帮我做这个吗

答复:

如果我理解正确的话，下面的代码应该可以做到这一点（与上面的df相同，作为我使用的'a'和'b'列）：

首先在所有行列表上循环，将所有平均值收集为pd.series，然后在axis=1上连接生成的系列列表，然后进行转置以获得正确的格式

dfs = list()
for l in L:
    dfs.append(df[['a', 'b']].iloc[l].mean(axis=0))

mean_matrix = pd.concat(dfs, axis=1).T