Python Pandas: ¿agrupar por en grupo por y promedio?

93

Tengo un marco de datos como este:

cluster  org      time
   1      a       8
   1      a       6
   2      h       34
   1      c       23
   2      d       74
   3      w       6

Me gustaría calcular el tiempo promedio por organización por clúster.

Resultado Esperado:

cluster mean(time)
1       15 ((8+6)/2+23)/2
2       54   (74+34)/2
3       6

No sé cómo hacerlo en Pandas, ¿alguien puede ayudar?

— UserYmY
fuente

2

Lo siento, ¿quieres df.groupby(['org','cluster']).mean()? esto no es tan significativo para su conjunto de datos a diferencia de esto:df.groupby(['cluster','org']).mean()

— EdChum

@EdChum gracias por tu ayuda, pero no quiero ninguno de ellos. Pero el "promedio de tiempos promedio por organización". Consulte el resultado esperado (editado)

— UserYmY

133

Si primero desea tomar la media en la combinación de ['cluster', 'org']y luego tomar la media en los clustergrupos, puede usar:

In [59]: (df.groupby(['cluster', 'org'], as_index=False).mean()
            .groupby('cluster')['time'].mean())
Out[59]:
cluster
1          15
2          54
3           6
Name: time, dtype: int64

Si solo desea la media de los clustergrupos, puede usar:

In [58]: df.groupby(['cluster']).mean()
Out[58]:
              time
cluster
1        12.333333
2        54.000000
3         6.000000

También se puede utilizar groupbyen ['cluster', 'org']y luego usar mean():

In [57]: df.groupby(['cluster', 'org']).mean()
Out[57]:
               time
cluster org
1       a    438886
        c        23
2       d      9874
        h        34
3       w         6

— Cero
fuente

Pero quiero un número por grupo (promedio de tiempo promedio por organización). Entonces, el resultado es solo clúster y tiempo promedio

— UserYmY

1

El primero es lo que necesitaba gracias: ¿hay una manera fácil de agregar una columna en el df que contenga estos valores medios para el grupo de filas?

— Mr_and_Mrs_D

12

Simplemente haría esto, que sigue literalmente cuál era su lógica deseada:

df.groupby(['org']).mean().groupby(['cluster']).mean()

— Vince Payandeh
fuente