我使用df.groupby()
方法:
g1 = df[['md', 'agd', 'hgd']].groupby(['md']).agg(['mean', 'count', 'std'])
它产生的正是我想要的!
agd hgd
mean count std mean count std
md
-4 1.398350 2 0.456494 -0.418442 2 0.774611
-3 -0.281814 10 1.314223 -0.317675 10 1.161368
-2 -0.341940 38 0.882749 0.136395 38 1.240308
-1 -0.137268 125 1.162081 -0.103710 125 1.208362
0 -0.018731 603 1.108109 -0.059108 603 1.252989
1 -0.034113 178 1.128363 -0.042781 178 1.197477
2 0.118068 43 1.107974 0.383795 43 1.225388
3 0.452802 18 0.805491 -0.335087 18 1.120520
4 0.304824 1 NaN -1.052011 1 NaN
但是,我现在想要像"普通"数据框那样访问groupby对象列。
我将能够:1)计算agd
和hgd
均值的误差2)在md
(x轴)vs agd mean
(hgd mean
)上绘制散点图,并添加适当的误差条。
这可能吗?也许可以通过索引进行操作?
1)您可以重命名列并照常进行(将摆脱多重索引)
g1.columns = ['agd_mean', 'agd_std','hgd_mean','hgd_std']
2)你可以保持多索引,并轮流使用这两个级别(docs)
g1['agd']['mean count']
可以做您正在搜索的内容,它被称为transform
。您将在这里的pandas文档中找到一个示例,它完全符合您的搜索要求。