一种基于不同列的优雅高效的中值查找方法

Question

我有一个如下所示的dataframe，但我真正的dataframe有数百万行

te_df = pd.DataFrame({'subject_id':[1,1,1,2,2,2,3,3],
                      'test':['test1','test2','test3','test1','test2','test3','test1','test4'],
              '0-24hrs':[1,1,1,2,1,1,np.nan,np.nan],
              '24-48hrs':[np.nan,np.nan,np.nan,1,1,1,2,1],
              '48-72hrs':[2,3,1,3,3,np.nan,np.nan,np.nan]
                    })

我想查找每24小时执行测试的中位数次数（使用测试列标识）（使用0-24hrs、24-48hrs、48-72hrs)

我试过下面的

df_out = pd.DataFrame()
df_out['1st_24'] = te_df.groupby('test')['0-24hrs'].median()
df_out['2nd_24'] = te_df.groupby('test')['24-48hrs'].median()
df_out['3rd_24'] = te_df.groupby('test')['48-72hrs'].median()

而不是重复同一行三次，有没有其他高效优雅的方法来找到这一点？因为我真正的数据帧有几百万行




Answer 1

为什么不试试呢

out = df.groupby('test')[['0-24hrs', '24-48hrs', '48-72hrs']].median()
       0-24hrs  24-48hrs  48-72hrs
test                              
test1      1.5       1.5       2.5
test2      1.0       1.0       3.0
test3      1.0       1.0       1.0
test4      NaN       1.0       NaN

Answer 2

您也可以通过以下方式来实现：-

df_out=te_df.groupby('test').median().drop(columns=['subject_id'])

#output

       0-24hrs  24-48hrs    48-72hrs
test            
test1   1.5     1.5         2.5
test2   1.0     1.0         3.0
test3   1.0     1.0         1.0
test4   NaN     1.0         NaN

注意：在@beny的方法通过传递列表访问列值中，您不会得到警告：

out = df.groupby('test')[['0-24hrs', '24-48hrs', '48-72hrs']].median()