宽数据汇总统计

Question

是否有一种有效的方法来计算水果行为真的每个水果的汇总统计量？

df   comment  type      score    apple   banana   pear   
0     dfsd    new        0.4     True    False    True     
1     sdfs    low        0.3     False   True     False 
2     sdddfs   low       0.2     False   True     False    
3     sdsfs    low       0.8     True    True     False    
4     ddds    low        0.1     True    True     True

... 

我试过：

fruits = ['apple','banana','pear']

for fruit in fruits:
    df1 = df.loc[df.f'{fruit}', :]
    df1.describe()

预期产出：

fruit
        count     mean_score   std_score  
apple               
banana              
pear                

Answer 1

选择所需的fruits列，然后为每个水果列获取相应的score，并屏蔽False值，最后使用describe获取描述性统计信息：

s = ['count', 'mean', 'std']
stats = df[fruits].apply(lambda m: df['score'].mask(~m)).describe().T[s]

print(stats)

        count      mean       std
apple     3.0  0.433333  0.351188
banana    4.0  0.350000  0.310913
pear      2.0  0.250000  0.212132

Answer 2

要做到这一点，一种不依赖df.describe的一般方法是：

df2 = df.groupby(['apple','banana','pear']).agg({'type':['count','mean','std']})

会给你每种水果的数量、平均值和性病。

作为对评论的回应，您可以通过以下方式重做索引，以获得每一行的水果：

df2.index = [df2.index.names[i] for j in range(len(df2.index.names)) for i,x in enumerate(df2.index[j]) if x ]