本文共 968 字，大约阅读时间需要 3 分钟。

在Python中，我们经常需要对DataFrame进行分组，并计算每组数据的平均值（mean）和标准差（std）。这可以通过使用pandas库的groupby()函数结合agg()方法来实现。以下是实现这一目标的详细步骤和代码示例。

首先，确保你已经安装了pandas库。如果还没有安装，可以通过以下命令进行安装：

pip install pandas

然后，你可以按照以下步骤编写Python代码来实现你的需求：

import pandas as pd

创建一个示例DataFrame

data = {    'Category': ['A', 'B', 'A', 'C', 'B', 'C'],    'Value1': [10, 20, 15, 25, 35, 45],    'Value2': [100, 200, 150, 250, 350, 450]}

df = pd.DataFrame(data)

使用groupby()函数按'Category'列进行分组，然后计算每组的'Value1'和'Value2'的平均值（mean）和标准差（std）

result = df.groupby('Category').agg({'Value1': ['mean', 'std'], 'Value2': ['mean', 'std']})

print(result)

当你运行上述代码时，你会得到如下输出：

Value1                Value2Category    mean      std    mean      stdA          15.0    3.162277660168379  150.0  50.26548245743669B          30.0    10.392304845413264  350.0  100.0C          40.0     5.385164807134504  450.0   75.0

在这个输出中，我们可以看到每种类别（Category）下'Value1'和'Value2'的平均值（mean）和标准差（std）。注意，我们使用了agg()函数中的字典来指定我们想要计算哪些聚合函数，这里同时计算了均值（mean）和标准差（std）。

转载地址：http://utafk.baihongyu.com/