具有相同列和索引的多个数据帧的平均值

Question

我有一些数据帧。它们都有相同的列和相同的索引。对于每个索引，我想平均每列中的值（如果这些是矩阵，我只需将它们相加并除以矩阵的数目）。在

这是一个例子。在

v1 = pd.DataFrame([['ind1', 1, 2, 3], ['ind2', 4, 5, 6]], columns=['id', 'c1', 'c2', 'c3']).set_index('id')
v2 = pd.DataFrame([['ind1', 2, 3, 4], ['ind2', 6, 1, 2]], columns=['id', 'c1', 'c2', 'c3']).set_index('id')
v3 = pd.DataFrame([['ind1', 1, 2, 1], ['ind2', 1, 1, 3]], columns=['id', 'c1', 'c2', 'c3']).set_index('id')

在实际情况下，索引和列的顺序可能不同。在

对于这种情况，结果是

（ind1，c1的值是(1 + 1 + 2) / 3，对于ind2，c2是(1 + 5 + 1) / 3，依此类推）。在

目前，我使用循环：

^{pr2}$

，但对于具有大量列的大数据帧，这显然是低效的。那么，如果没有循环，我怎么能做到这一点呢？在

Answer 1

在连接数据帧之后，可以在index级别上使用^{}：

pd.concat([v1, v2, v3]).groupby(level=0).mean()

            c1        c2        c3
id                                
ind1  1.333333  2.333333  2.666667
ind2  3.666667  2.333333  3.666667