Интерполяция кадра данных с столбцами x в столбцы <x

Я пытаюсь уменьшить фрейм данных 6 столбцов x 2 строки, например, в фрейм данных 3 столбца x 2 строки на основе предварительно рассчитанных ячеек.

У меня есть фрейм данных, который выглядит, например, так:

df =
   0  1  2  3  4  5  6 etc
0  3  4  5  2  4  1  2 etc
1  5  1  3  5  2  2  3 etc

и список списков, который выглядит так:

dir = [[0,1,2],[3,4],[5,6]]

Этот список списков представляет заголовки столбцов.

Я хочу перебирать строки в моем фрейме данных и интерполировать новые значения на основе длины каждого списка. В основном просто возьмите среднее значение на основе заголовков столбцов. Например, список [0,1,2] содержит 3,4,5 значений, поэтому новое значение должно быть (3+4+5)/3 = 4.

Новый фрейм данных должен выглядеть так:

df1 =
    0   1   2
0   4   3   1.5  
1   3   3.5 2.5
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
0
29
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Создайте вспомогательный словарь, столбцы rename и используйте mean для агрегирования по именам новых столбцов:

L = [[0,1,2],[3,4],[5,6]]
d = {k: i for i, x in enumerate(L) for k in x}
print (d)
{0: 0, 1: 0, 2: 0, 3: 1, 4: 1, 5: 2, 6: 2}

df = df.rename(columns=d).mean(axis=1, level=0)
print (df)
     0    1    2
0  4.0  3.0  1.5
1  3.0  3.5  2.5

Деталь:

print (df.rename(columns=d))
   0  0  0  1  1  2  2
0  3  4  5  2  4  1  2
1  5  1  3  5  2  2  3

Другие вопросы по теме