Python用Pandas计算分组平均值方法

Python中用Pandas计算分组平均值看似简单，实则暗藏诸多易被忽视的陷阱：分组键含NaN时默认被丢弃、非数值列静默跳过、数据类型误判导致聚合失败、agg()结构易混淆、apply(lambda x: x.mean())性能低下等——真正卡住你的往往不是语法，而是数据中那些看不见的空格、不可见字符、混合类型和隐性缺失值；掌握`groupby(..., dropna=False)`、`pd.to_numeric(..., errors='coerce')`、类型清洗与category优化等关键技巧，才能让均值结果既准确又高效。

用 groupby().mean() 最直接，但得先确认分组键不为空

分组求平均值最常用的就是 df.groupby('column_name').mean()，它自动对所有数值列做均值计算。但实际跑起来常卡在第一步：分组键里有 NaN —— 这些行默认被丢弃，结果行数变少、数值对不上，尤其和 Excel 对比时容易怀疑数据出错。

• groupby 默认参数 dropna=True，想保留空值分组就得显式写成 df.groupby('col', dropna=False).mean()
• 如果分组列是字符串但含空格或不可见字符（比如 ' A '），mean() 不报错但逻辑分组会错，建议先用 str.strip() 清洗
• 对非数值列调用 mean() 会静默跳过，不报错也不警告——检查结果列是否少于预期，就该回头看看原始列类型

只算某几列的平均值，别让 agg() 返回意外结构

不需要所有数值列都参与聚合时，用 agg() 更可控，但返回结构容易踩坑：传列表和传字典行为完全不同。

• 想对多列用同一函数：df.groupby('A')[['B', 'C']].agg('mean') → 返回 DataFrame，列名保持原样
• 想对不同列用不同函数：df.groupby('A').agg({'B': 'mean', 'C': 'sum'}) → 返回 DataFrame，列名变成键名
• 误写成 .agg(['mean'])（带中括号）→ 返回 MultiIndex 列，列名变成 ('B', 'mean')，后续取数得用元组索引，非常麻烦

遇到 TypeError: No numeric types to aggregate 怎么办

这个错误不是数据真没数字，而是 Pandas 没识别出数值类型。常见于从 CSV 读入后，本该是数字的列被当成了 object 类型，比如含单位（'12.5kg'）、逗号分隔（'1,234'）或混合空值+字符串。

• 先查类型：df['col'].dtype，如果是 object，再看 df['col'].apply(type).unique() 确认混杂情况
• 简单清洗用 pd.to_numeric(df['col'], errors='coerce')，把非法值转成 NaN，再分组
• 别用 astype(float) 硬转——遇到字符串直接崩，且不处理空格或逗号

性能敏感时，避免在 apply() 里重复算平均值

有人习惯写 df.groupby('A').apply(lambda x: x['B'].mean())，语法没错，但比原生 .mean() 慢 3–5 倍，因为每组都触发 Python 层循环，还额外构造子 DataFrame。

• 纯数值聚合，无条件优先用 .mean()、.agg('mean')
• 真需要复杂逻辑（比如按条件筛后再均值），也尽量把筛选提到 groupby 外，例如先 df[df['C'] > 0].groupby('A')['B'].mean()
• 大数据量下，category 类型的分组键比 object 快不少，可提前转：df['A'] = df['A'].astype('category')

分组平均值本身不难，难点总藏在数据隐性状态里：空值怎么算、类型有没有被悄悄转成 object、分组键是不是真“等价”。跑出来结果不对，八成不是函数用错了，而是输入比你以为的更不干净。

今天带大家了解了的相关知识，希望对你有所帮助；关于文章的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~