使用pandas GroupBy获取每个组的统计数据（如计数、均值等）？
我有一个数据帧df，并且我使用了从它到groupby的几个列：
df['col1','col2','col3','col4'].groupby(['col1','col2']).mean()
通过上面的方式，我几乎得到了我需要的表（数据帧）。缺少的是一个额外的列，该列包含每个组中的行数。换句话说，我有均值，但我也想知道有多少数字是用来得到这些均值的。例如，在第一组中有8个值，在第二组中有10个值，依此类推。
共有1个答案
在groupby对象上，agg函数可以使用一个列表来同时应用多个聚合方法。这应该会给出您需要的结果：
df[['col1', 'col2', 'col3', 'col4']].groupby(['col1', 'col2']).agg(['mean', 'count'])
-
问题内容： 我有一个数据框，df并且从中使用了几列groupby： 通过以上方法，我几乎得到了所需的表（数据框）。缺少的是另外一列，其中包含每个组中的行数。换句话说，我有意思，但我也想知道有多少个数字被用来获得这些价值。例如，在第一组中有8个值，在第二组中有10个，依此类推。 简而言之：如何获取数据框的分组统计信息？ 问题答案： 在·对象上，该·函数可以列出一个列表，以一次应用多种聚合方法。这应该
-
问题内容： 我需要在应用程序中收集一些统计信息。我有一个用户表（tb_user），每当一个新用户访问该应用程序时，它将在该表中添加一条新记录，即每个用户一行。主要字段是 id 和 date_hour （用户首次访问该应用程序的时间戳）。 tb_user 我需要得到： 按日，周和月划分的平均用户数 例子： 每天：55.45 每周：XX.XX 月：XX.XX 编辑： 我最好的解决方案是： 但是，此解决
-
给定Numpy数组，我可以使用np.unique（a）生成中包含的唯一值。如何获取中包含的每个唯一值的计数？
-
在JavaScript中，我生成了一个x个数组，所有数组由57个数字组成。我想计算数组中每个数字的平均值，作为一个数组的平均值，即： array1[0]array2[0]array3[0]…./阵列数=[0]的平均值 array1[1]阵列2[1]阵列3[1]…./阵列数=[1]的平均值 数组一数组二数组三数组二..../数组数量=平均值[2] 这是生成的数组数组的示例： 谁能给我一个例子，让我可
-
问题内容： 我有一个名为“ posts”的SQL表，如下所示： 每个类别编号对应一个类别。我将如何计算每个类别在 一个sql查询中 全部出现在帖子中的次数？ 例如，这样的查询可能返回如下符号数组： 我当前的方法是对每个可能的类别使用查询，例如：，然后将返回值组合到最终数组中。但是，我正在寻找一种仅使用一个查询的解决方案。 问题答案：
-
问题内容： 所以我查了一下，这个问题非常相似，但是它缺少一个关键点：SQL Server计算表的每一列中不同值的数量 因此，在这个问题中，他们希望每列的计数都不同。我想要做的是获取表中每个列的每个不同值的计数（而我正在为特定数据库中的所有表执行此操作，这就是为什么我要尝试尽可能地自动化这一点的原因尽可能）。当前，我的代码看起来像这样，我必须为每一列运行： 理想情况下，我的输出应如下所示： 以此类推