這是我的代碼：all_data = pd.merge(all_data, meanData, suffixes=["", "_mean"], how='left', on=['id', 'id2'])現(xiàn)在，我想合并all_dataand meanData，但我希望 meanData 列首先出現(xiàn)。像這樣：a_mean,b_mean,c_mean,a,b,c不是這樣a,b,c,a_mean,b_mean,c_mean注意：我有很多列，所以我不想手動編寫代碼來更改索引。示例代碼（您可以復制）：import pandasdf = pd.DataFrame([[0,1, 2], [0,1, 3], [0,4, 6],[1,3,4],[1,4,2]], columns=['id','A', 'B'])features = ['A','B']meanData = df.groupby(['id'])[features].agg('mean')df = pd.merge(df, meanData, suffixes=["", "_mean"], how='left', on=['id'])print(df.columns)輸出索引(['id', 'A', 'B', 'A_mean', 'B_mean'], dtype='object')預期輸出：索引(['A_mean', 'B_mean','id', 'A', 'B'], dtype='object')
2 回答
海綿寶寶撒
TA貢獻1809條經(jīng)驗 獲得超8個贊
我認為您可以使用transformaftergroupby來獲取mean與每一行的相關信息，然后pd.concat是數(shù)據(jù)幀，例如：
new_df = pd.concat([(df.groupby('id')[features]
.transform(np.mean).add_suffix('_mean')), df],
axis=1)
print (new_df)
A_mean B_mean id A B
0 2.0 3.666667 0 1 2
1 2.0 3.666667 0 1 3
2 2.0 3.666667 0 4 6
3 3.5 3.000000 1 3 4
4 3.5 3.000000 1 4 2
達令說
TA貢獻1821條經(jīng)驗 獲得超6個贊
您可以使用以下命令合并和重新排序列sorted()：
v = pd.merge(df, meanData, suffixes=["", "_mean"], how='left', on=['id'])
v[sorted(v.columns, key=lambda x: 'mean' not in x)]
A_mean B_mean id A B
0 2.0 3.666667 0 1 2
1 2.0 3.666667 0 1 3
2 2.0 3.666667 0 4 6
3 3.5 3.000000 1 3 4
4 3.5 3.000000 1 4 2
添加回答
舉報
0/150
提交
取消