熊貓 - 迭代列的不同值並得到mean（）/ std（）

Question

請幫助我處理以下情況。

我有一個熊貓數據幀，看起來是這樣的：

DATE; NAME; COUNT1; COUNT2; COUNT3; 
01; Name1; 14; 3; 6; 
02; Name1; 17; 4; 2; 
03; Name1; 11; 1; 9; 
01; Name2; 14; 3; 6; 
02; Name2; 17; 4; 2; 
03; Name2; 11; 1; 9; 
01; Name3; 14; 3; 6; 
02; Name3; 11; 1; 9; 
03; Name3; 17; 4; 2; 

我需要得到的平均值（）和STD（）值，每名（共3個記錄，例如）。

下面是結果應該是什麼樣子：提前

Name1 std(): value 
Name1 mean(): value 
Name2 std(): value 
Name2 mean(): value 
Name3 std(): value 
Name3 mean(): value 

謝謝！

Answer 1

我想你需要groupby和聚集通過agg：

df1 = df.groupby('NAME')['COUNT3'].agg(['mean','std']) 
print (df1) 
      mean  std 
NAME      
Name1 5.666667 3.511885 
Name2 5.666667 3.511885 
Name3 5.666667 3.511885 

如果你想改變輸出的格式添加unstack：

df1 = df.groupby('NAME')['COUNT3'] 
     .agg(['mean','std']) 
     .unstack() 
     .swaplevel(0,1) 
     .rename_axis(('names','aggreg')) 
     .reset_index(name='val') 
print (df1) 
    names aggreg  val 
0 Name1 mean 5.666667 
1 Name2 mean 5.666667 
2 Name3 mean 5.666667 
3 Name1 std 3.511885 
4 Name2 std 3.511885 
5 Name3 std 3.511885 

而對於更多的列在一起：

df2 = df.groupby('NAME')['COUNT1','COUNT2','COUNT3'].agg(['mean','std']) 
print (df2) 
     COUNT1   COUNT2    COUNT3   
     mean std  mean  std  mean  std 
NAME              
Name1  14 3.0 2.666667 1.527525 5.666667 3.511885 
Name2  14 3.0 2.666667 1.527525 5.666667 3.511885 
Name3  14 3.0 2.666667 1.527525 5.666667 3.511885 

---

df2 = df.groupby('NAME')['COUNT1','COUNT2','COUNT3'] 
     .agg(['mean','std']) 
     .unstack() 
     .reorder_levels((2,1,0)) 
     .rename_axis(('names','aggreg','columns')) 
     .reset_index(name='val') 
print (df2) 
    names aggreg columns  val 
0 Name1 mean COUNT1 14.000000 
1 Name2 mean COUNT1 14.000000 
2 Name3 mean COUNT1 14.000000 
3 Name1 std COUNT1 3.000000 
4 Name2 std COUNT1 3.000000 
5 Name3 std COUNT1 3.000000 
6 Name1 mean COUNT2 2.666667 
7 Name2 mean COUNT2 2.666667 
8 Name3 mean COUNT2 2.666667 
9 Name1 std COUNT2 1.527525 
10 Name2 std COUNT2 1.527525 
11 Name3 std COUNT2 1.527525 
12 Name1 mean COUNT3 5.666667 
13 Name2 mean COUNT3 5.666667 
14 Name3 mean COUNT3 5.666667 
15 Name1 std COUNT3 3.511885 
16 Name2 std COUNT3 3.511885 
17 Name3 std COUNT3 3.511885