Python Dataframe Groupby Mean和Std

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。下面是如何实现这一目标的详细步骤以及代码示例：

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：

```bash
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：

```python
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                   Value2
         mean std      mean std
Category                             
A       15.0 3.162277660168379     150.0 50.26548245743669
B       30.0 10.392304845413264    350.0 100.0
C       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）。