Pandas：使用groupby计算平均值添加新列

在本文中，我们将介绍如何使用Pandas的groupby方法来计算数据的平均值，并将其作为新列添加到数据框中。

准备数据

我们使用一个简单的例子来说明此过程。假设我们有一个包含以下列的数据框：

学生姓名	课程	分数
小明	语文	75
小明	数学	86
小王	语文	92
小王	数学	88

使用groupby计算平均值

现在，我们想要计算每个学生的平均分数，然后将此平均分数添加为新列。为了实现这个目标，我们需要使用groupby方法来分组数据。然后，我们可以使用agg方法计算每个组的平均分数。最后，我们将每个平均分数添加到原始数据框中作为新列。

让我们看看这是如何工作的：

# 导入必要的库
import pandas as pd

# 创建数据框
data = {
    '姓名': ['小明', '小明', '小王', '小王'],
    '课程': ['语文', '数学', '语文', '数学'],
    '分数': [75, 86, 92, 88]
}
df = pd.DataFrame(data)

# 使用groupby计算平均值并添加新列
df['平均分'] = df.groupby('姓名')['分数'].transform('mean')

# 输出结果
print(df)

运行代码，我们可以得到以下结果：

   姓名  课程  分数    平均分
0  小明  语文  75  80.50
1  小明  数学  86  80.50
2  小王  语文  92  90.00
3  小王  数学  88  90.00

现在我们可以看到，我们已经成功地使用groupby方法计算了每个学生的平均分数，并将其添加为了新列。另外，由于我们使用了transform方法，所以每个学生的平均分数都被重复添加，以便与原始数据框的行数一致。

使用自定义函数

在上面的例子中，我们使用了Pandas内置的mean函数来计算平均值。在某些情况下，我们可能需要使用自定义函数来计算平均值。在这种情况下，我们可以使用apply方法来应用我们自己编写的函数。

例如，假设我们想要计算每个学生的平均分数，但我们要忽略分数最低的那门课程。我们可以编写一个函数来实现这个目标：

# 定义自定义函数
def calc_avg_without_min(x):
    min_score = min(x)
    return (sum(x) - min_score) / (len(x) - 1)

然后，我们可以使用apply方法将此函数应用于每个学生的分数，并添加新列到数据框中：

# 使用自定义函数计算平均分数并添加新列
df['平均分(排除最低分)'] = df.groupby('姓名')['分数'].apply(calc_avg_without_min)

# 输出结果
print(df)

运行代码，我们可以看到以下结果：

   姓名  课程  分数    平均分  平均分(排除最低分)
0  小明  语文  75  80.50      86.00
1  小明  数学  86  80.50      75.00
2  小王  语文  92  90.00     90.00

现在，我们可以看到我们已经成功地使用自定义函数计算了每个学生的平均分数（排除最低分），并将其添加为了新列。

总结

在本文中，我们介绍了如何使用Pandas的groupby方法来计算数据的平均值，并将其作为新列添加到数据框中。我们还演示了如何使用自定义函数来计算平均值，在这种情况下我们演示了如何计算每个学生的平均分数（排除最低分）。虽然本文只是一个简单的例子，但我们可以通过使用类似的技术来处理大型，复杂的数据集。学会了这种技术将使你更好地掌握Pandas的数据分析功能。