如何在 Pandas 中基于一列条件计算另一列的分组均值_网络技术

如何在 Pandas 中基于一列条件计算另一列的分组均值

发布时间 - 2025-12-31 00:00:00 点击率：次

本文详解如何在 pandas `groupby.agg()` 中实现“根据列 a 的条件筛选，对列 b 计算分组均值”，指出直接在 `agg` 中跨列引用的限制，并提供高效、可读性强的预过滤与临时列两种解决方案。

在 Pandas 中，groupby.agg() 的聚合函数（如 'mean' 或自定义 lambda）作用域仅限于当前被聚合的列本身，无法直接访问同组内其他列的值。这意味着你不能在 ('timeframe_change', lambda x: ...) 中引用 timeframe_L —— 即使它们属于同一分组，x 仅代表 timeframe_change 的子序列。

要实现「当 timeframe_change 将逻辑前置到分组之前，而非嵌套在 agg 内部。以下是两种推荐方案：

✅ 方案一：预过滤 + reindex（推荐，语义清晰、性能优）

先用 .query() 或布尔索引筛选出满足条件的行（例如 timeframe_change

import pandas as pd

test = pd.DataFrame({
    'Code': [1, 1, 2, 2, 3, 3],
    'timeframe_change': [-1, 2, -3, 4, -5, -6],  # 注意：此处修正为含负值，以体现效果
    'timeframe_L': [10, 20, 30, 40, 50, 60]
})

df = (test
      .query('timeframe_change < 0')  # 仅保留 timeframe_change < 0 的行
      .groupby('Code')
      .agg(
          Count=('timeframe_L', 'count'),     # 满足条件的 timeframe_L 计数
          Down_Mean=('timeframe_L', 'mean')   # 满足条件的 timeframe_L 均值
      )
      .reindex(test['Code'].unique())  # 确保所有 Code 都存在，缺失值为 NaN
)
print(df)

输出：

      Count  Down_Mean
Code                
1     1.0       10.0
2     1.0       30.0
3     2.0       55.0

⚠️ 注意：若原始数据中某 Code 组没有任何 timeframe_change
✅ 方案二：构造条件掩码列 + where()（适合多条件或需复用掩码）

若需同时计算多个基于同一条件的指标，或条件较复杂，可先创建一个临时列，用 .where() 将不满足条件的位置设为 NaN，再在 agg 中对临时列聚合（NaN 会被自动忽略）：
df = (test
      .assign(timeframe_L_masked=test['timeframe_L'].where(test['timeframe_change'] < 0))
      .groupby('Code')
      .agg(
          Count=('timeframe_L_masked', 'count'),
          Down_Mean=('timeframe_L_masked', 'mean')
      )
)
结果与方案一一致，且代码更易扩展（例如后续还可加 Up_Mean 对应 timeframe_change >= 0）。

❌ 不推荐：groupby.apply()（低效且易错）

虽然 apply() 允许访问整个子 DataFrame，但其逐组 Python 循环开销大，且易引发 SettingWithCopyWarning 或索引错位问题：
# 反例：避免使用
test.groupby('Code').apply(
    lambda g: pd.Series({
        'Count': g[g['timeframe_change'] < 0].shape[0],
        'Down_Mean': g.loc[g['timeframe_change'] < 0, 'timeframe_L'].mean()
    })
)
综上，始终优先选择预过滤（.query() / .loc[]）或掩码列（.where()）方式——它们向量化执行、语义明确、性能优异，是 Pandas 条件聚合的最佳实践。

# python # app # 作用域 # 聚合函数

相关栏目：【网站优化151355 】【网络推广146373 】【网络技术251813 】【 AI营销90571 】

上一篇：Laravel怎么使用artisan命令缓存配置和视图

下一篇：jQuery中的100个技巧汇总

相关栏目网站优化
网络推广
网络技术
AI营销

最新文章 Sublime怎么一键压缩JS代码 Su sublime如何在搜索中使用正则表达式 Sublime如何设置透明窗口效果 Su mysql如何设计商品表结构_mysql css属性背景图不显示怎么办_通过检查路如何使用Golang实现排序_Golan 农历闰月是怎么回事_为合回归年加一月调整塑造《刺客信条》艾吉奥传奇的编剧离开育碧 1英里等于多少公里 1mile和km的换 css grid布局中行和列是如何定义的 PS批量旋转和翻转图片，快速校正图片方向 C# Swagger UI自定义方法 C OPPO手机九宫格和全键盘怎么切换_OP Go语言如何实现用户登录注册_Golan 1节飞行速度多少公里每小时 1节是多少公纸嫁衣8千子树第五章庙门怎么开启庙门 Laravel 多行数据编辑表单中实现逐明日之后如何提升钓鱼等级明日之后提升钓支付宝怎样查年度账单_支付宝年度账单查看 C# 多线程UI更新Dispatcher

上一篇：Laravel怎么使用artisan命令缓存配置和视图

下一篇：jQuery中的100个技巧汇总