1

たとえば、データフレームのいくつかの列に describe() を適用しています。

raw_data.groupby("user_id").size().describe()
raw_data.groupby("business_id").size().describe()

さらにいくつか、平均/中央値/その他でユーザーごとにいくつのデータポイントがあるかを知りたいので..

私の質問は、これらの呼び出しのそれぞれが、構造化されていない出力と思われるものを返すということです。それらすべてを列が [count,mean,std,min,25%,50%,75%,max] になる単一の新しいデータフレームに結合する簡単な方法はありますか?インデックスは説明されているさまざまな列になりますか?

ありがとう！

4

1 に答える 1

0

新しい DataFrame を手動で構築するだけかもしれません。あなたが持っている場合

>>> raw_data
   user_id  business_id  data
0       10            1     5
1       20           10     6
2       20          100     7
3       30          100     8

次に、の結果はgroupby(smth).size().describe()別のものSeriesです：

>>> raw_data.groupby("user_id").size().describe()
count    3.000000
mean     1.333333
std      0.577350
min      1.000000
25%      1.000000
50%      1.000000
75%      1.500000
max      2.000000
dtype: float64
>>> type(_)
<class 'pandas.core.series.Series'>

など：

>>> descrs = ((col, raw_data.groupby(col).size().describe()) for col in raw_data)
>>> pd.DataFrame.from_items(descrs).T
             count      mean      std  min  25%  50%  75%  max
user_id          3  1.333333  0.57735    1    1    1  1.5    2
business_id      3  1.333333  0.57735    1    1    1  1.5    2
data             4  1.000000  0.00000    1    1    1  1.0    1

の代わりにfrom_items、辞書を渡すこともできました pd.DataFrame({col: raw_data.groupby(col).size().describe() for col in raw_data}).Tが、この方法では、列の順序を考えなくても保持されます。

すべての列が必要ない場合は、 の代わりにfor col in raw_data、 を定義columns_to_describe = ["user_id", "business_id"] etcして使用するfor col in columns_to_describeか、を使用するfor col in raw_data if col.endswith("_id")か、好きなものを使用できます。

于 2013-09-23T17:21:18.453 に答える