python-根据pandas数据框中的列标签对数据进行分组

我一直在阅读有关pandas数据框中的分层索引和多索引的信息,但似乎这些都是针对有序标签的.例如,我的数据如下所示：

我希望能够根据列标签将数据分组在一起.通过平均将第3行中所有带有’d’的列汇总在一起.

将此excel数据(或绝对需要的csv)放入数据帧的最佳方法是什么,以便我可以执行这些操作,以及如何进行操作？

任何建议或参考将不胜感激

编辑

我尝试使用以下命令从csv加载数据：

data = pd.read_csv('Dataset.csv', index_col=0, header=[0,1,2,3], parse_dates=True)

这在加载时给了我这个：

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 18 entries, 2013-05-27 10:31:00 to 2013-07-24 11:31:00
Data columns (total 40 columns):
(1, mix, d, n)     18  non-null values
(2, aq, s, n)      18  non-null values
(3, gr, s, n)      18  non-null values
(4, mix, d, n)     18  non-null values
(5, aq, d, n)      17  non-null values

我只是不太确定从那里去哪里.

解决方法:

您可以按列使用(轴= 1)groupby并取mean：

In [11]: df = pd.DataFrame(np.random.randn(4, 3), columns=[[1, 2, 3], ['d', 's', 'd']])

In [12]: df.columns.names = ['PLOT', 'DEPTH']

In [13]: df
Out[13]:
PLOT          1         2         3
DEPTH         d         s         d
0     -0.557490 -1.231495 -0.333703
1      0.513394  1.046577  0.596306
2     -0.404606 -1.615080 -0.694562
3     -0.078497 -0.683405  0.056857

In [14]: df.groupby(level='DEPTH', axis=1).mean()
Out[14]:
DEPTH         d         s
0     -0.445596 -1.231495
1      0.554850  1.046577
2     -0.549584 -1.615080
3     -0.010820 -0.683405

标签：pandas-groupby,pandas,dataframe,indexing,python
来源： https://codeday.me/bug/20191030/1969134.html