我有关于使用各种社交媒体平台的人们不同年龄的调查数据集。我想计算社交媒体应用使用量的平均人数。以下是示例数据的外观：

在此输入图像描述

这里是可重现的pandas数据帧：

df=pd.DataFrame({'age': np.random.randint(10,100,size=10),

'web1a': np.random.choice([1, 2], size=(10,)),

'web1b': np.random.choice([1, 2], size=(10,), p=[1./3, 2./3]),

'web1c': np.random.choice([1, 2], size=(10,)),

'web1d': np.random.choice([1, 2], size=(10,))})

这是我试过的：

df.pivot_table(df, values='web1a', index='age', aggfunc='mean')

但它没有效率，也没有产生我想要的输出。有没有想过要做到这一点？谢谢

更新：

对我来说，这样做的方法是，首先在每列中选择分类值并获得它的平均值，对于其他列可以是相同的。如果我这样做，我怎么能很好地绘制它们？

请注意，在列web1a，web1b，web1c，web1d，1意味着用户和2分别指非用户。我想计算用户和非用户的平均年龄。我怎样才能做到这一点？有人给我一个可能的想法来实现这一目标吗？

解决办法：只使用以'web'开头的列。有比“1”和“2”更多的值，所以我假设你只想分析用户和非用户，而不是其他任何东西。只要知道要绘制的值，就可以以相同的方式更改值或在图表中添加其他值。

df = df.filter(regex=('web|age'),axis=1)

userNr = '1'
nonUserNr = '2'
users = list()
nonUsers = list()
labels = [x for x in df.columns.tolist() if 'web' in x]
for col in labels:
    users.append(df.loc[:,['age',col]].groupby(col).mean().loc[userNr][0])
    nonUsers.append(df.loc[:,['age',col]].groupby(col).mean().loc[nonUserNr][0])

from matplotlib import pyplot as plt
x = np.arange(1, len(labels)+1)
ax = plt.subplot(111)
ax.bar(x-0.1, users, width=0.2,color='g')
ax.bar(x+0.1,nonUsers, width=0.2,color='r')
plt.xticks(x, labels)
plt.legend(['users','non-users'])
plt.show()