Pandas 分组 python

Question

我有一个数据集，其中包含国家名称和一些其他信息，例如文件中的薪水。问题是我需要在文件中找到按 country_id 和城市分组的员工的平均工资，范围为 (0, 5000] (5000, 10000] 和 (10000, 15000]。我正在使用这种方法，但结果 table 并不是我想要的。你能帮我吗？

df = file.groupby(['country_id',"city"])['salary'].mean().reset_index(name="mean") 
bins = [0, 5000]
df['binned'] = pd.cut(df['mean'], bins)
print(df)

Answer 1

我想如果你的工资箱范围总是5000，你可以使用/运算符和math.ceil

创建每行的箱号

import math
df = pd.DataFrame({
    'salary':[
        1231, 5000, 7304, 10000, 12302, 15000,
        1001, 4900, 6012, 9123, 11231, 14923
    ],
    'country': [
        'USA','USA','USA','USA','USA','USA',
        'UK','UK','UK','UK','UK','UK'
    ]
})
df['salary_bin_number'] = (df['salary'] / 5000).apply(lambda x: math.ceil(x))
df.head()

salary	country	salary_bin_number
1231	USA	1
5000	USA	1
7304	USA	2
10000	USA	2
12302	USA	3

使用salary_bin_number，您可以使用以下代码创建bin的列名

df['salary_range_str'] = df['salary_bin_number'].apply(
    lambda bin_number: f'({(bin_number-1) * 5000}-{(bin_number) * 5000}]'
)

然后按salary_range_str和country分组计算每个country,salary_range_str的平均工资。

df = df.groupby(['country', 'salary_range_str'])['salary'].mean().reset_index()

最后，将列 salary_range_str 旋转为列。

df = pd.pivot_table(df, index='country', columns='salary_range_str', values='salary')

输出

country	(0-5000]	(10000-15000]	(5000-10000]
UK	2950.5	13077	7567.5
USA	3115.5	13651	8652

Pandas 分组 python

Pandas Groupby python

python

group-by

file

dataset

pandas