Tengo el siguiente dataframe que leo desde un archivo csv y que todos los valores que se me interesan que se leen como string los paso a float:
import pandas as pd
lists = [
['Felix', 48, 40, 50],
['Manolo', 42, 41, 5],
['Felix', 8, 42, 53],
[ 'Manolo', 0, 100, 96],
[ 'Felix', 2, 110, 97]
]
df = pd.DataFrame(lists, columns = ['nombres', 'cant_A', 'cant_B', 'cant_C'])
df = df.set_index('nombres')
list_nom = ['Felix', 'Manolo']
list_cant = ['cant_A', 'cant_B', 'cant_C']
Como se ve, hago una lista unicamente con los nombres del dataframe que no se repiten, es decir, esa lista ya la tengo metida en el código.
Me interesa guardar en un nuevo dataframe el valor medio de las columnas 'cant_A' 'cant_B' y 'cant_C' solo para las filas en la que el índice 'nombres' sea el mismo. Me explico, quiero que me saque la media de 'cant_A' del nombre Felix, que sería (48+8+2)/3 = 19.33. Hay que partir de la premisa que no se el número de datos que va a tener 'cant_A' para el nombre 'Félix'.
Me gustaría que se pudiera implementar con un bucle for
(pasando los nombres sin repetir que tengo en la list_nom) y posteriormente la función .where()
, pero no se me ocurre nada. Es decir, siempre y cuando el nombre que pase desde la list_nom (p.ej 'Felix') sea igual que el index del dataframe (df.index
; que previamente he asignado como 'nombres'), me haga la media de todos los valores que encuentre. Teniendo en cuenta que no voy a saber la magnitud de datos (nº de filas que sean Felix con el valor de la celda de la columna 'cant_A').
El nombre de las columnas del dataframe original también las tengo guardadas y las sé, por si sirviera de algo.
Posteriormente habría que hacer lo mismo con el nombre Manolo y los que hubiera en la "list_nom", por eso nombro el bucle for
.
Al final el dataframe debería quedar algo así :
Muchas gracias.