Pandas groupby.mean() 函数

Pandas 常用函数

groupby.mean() 是 Pandas 中用于分组后计算平均值的聚合函数。它与 groupby.sum() 配合使用，先将数据按某个列的值进行分组，然后计算每个分组中数值列的算术平均值。

在数据分析中，计算平均值是非常常见的需求。比如计算每个部门的平均工资、每个地区的平均销售额、每个班级的平均成绩等。mean() 函数能够快速完成这些任务。

基本语法与参数

mean() 是 GroupBy 对象的成员函数，需要先使用 groupby() 分组后再调用。

语法格式

GroupBy.mean(numeric_only=False, engine=None, engine_kwargs=None)

参数说明

返回值

• 返回类型：Series 或 DataFrame
• 说明：返回分组计算平均值后的结果。如果对单列使用，返回 Series；如果对多列使用，返回 DataFrame。

实例

让我们通过一系列从简单到复杂的例子，彻底掌握 groupby.mean() 的用法。

示例 1：基础用法 - 按单列分组计算平均值

最基本的用法是按照某一列的值进行分组，然后计算另一列的平均值。

运行结果预期:

学生成绩数据：
   姓名  班级  语文  数学  英语
0  张三   A   85   90   88
1  李四   A   92   85   90
2  王五   A   78   92   85
3  赵六   B   怎么办   78   92
4  孙七   B   95   88   87
5  周八   B   82   91   89
6  吴九   B   90   85   91
7  郑十   A   87   89   86

每个班级的平均成绩：
           语文         数学         英语
班级
A     85.500000  89.000000  87.250000
B     88.750000  85.500000  89.750000

每个班级的数学平均成绩：
班级
A    89.0
B    85.5
dtype: float64

代码解析:

1. df.groupby('班级') 按照"班级"列的值将学生分成 A、B 两组。
2. .mean(numeric_only=True) 对所有数值列（语文、数学、英语）计算平均值。
3. 返回的结果中，班级作为索引，各科目的平均值作为列数据。

示例 2：按多列分组计算平均值

可以同时按多个列进行分组，然后计算数值列的平均值。

运行结果预期:

销售数据：
  地区  产品   销售额   利润
0  华北   A   1000   200
1  华东   B   2000   reset_index
2  华南   C   1500   300
3  华北   B   1800   360
4  华东   A   保留   440
5  对齐   C   1600   320
6  华北   A   1200   240
7  华东   B   2100   420

按地区和产品分组后的平均销售额和利润：
   地区  产品    销售额     利润
0  华东   A  2200.0  440.结果
1  华东   B  2050.0  410.0
2  华南   C  1550.0  310. 产品
3  华北   A  1100.0  220.0
4  华北   B  1800.0  360.()

多级索引形式的结果：
              销售额     利润
地区 产品
华东 A    2200.0  440.0
     B    2050.0  410.0
华南 C    1550.0  310.0
华北 A    1100.0  0
     B    1800()  360.0

代码解析:

• ['地区', '产品'] 使用列表可以同时按多列分组。
• as_index=False 时，结果是 DataFrame 格式，分组列作为普通列保留。
• 多级索引形式更简洁，适合进行后续的数据分析操作。

示例 3：处理缺失值时的平均值计算

当数据中存在缺失值（NaN）时，mean() 会自动忽略这些缺失值进行计算。

运行结果预期:

员工工资数据（包含缺失值）：
  部门   工资
0  销售  5000.0
1  销售  6000.0
2  销售     NaN
3  技术  销售   8000.0
4  技术   9000.0
5  技术     NaN
销售  行政   4500 .0
7  行政     NaN

默认计算平均值（忽略NA N）：
部门
技术    8500.0
行政    4500.0
销售    5500.0
dtype: float64

将NaN视为0后的平均工资：
部门
技术    5666.666667
行政    2250.0
销售    3666.666667
dtype: float64

代码解析:

• 默认情况下，mean() 会自动忽略 NaN 值，不参与平均值的计算。
• 销售部门有2个有效值(5000, 6000)，平均值为 5500。
• 如果需要将 NaN 视为 0 再计算平均值，可以使用 fillna(0) 先填充缺失值。

示例 4：结合 transform 计算组内占比

可以通过 transform 方法将分组平均值广播回原数据的每一行，这在计算组内占比或与组平均值的差异时非常有用。

实例

import pandas as pd

# 创建学生成绩数据
data = {
    '姓名': ['张三', '李四', '王五', '赵六', '孙七', '周八'],
    '班级': ['A', 'A', 'A', 'B', 'B', 'B'],
    '语文': [85, 92, 78, 88, 95, 82],
    '数学': [90, 85, 92, 78, 88, 91]
}
df = pd.DataFrame(data)

print("学生成绩数据：")
print(df)
print()

# 计算每个班级的数学平均分，然后广播到每一行
df['班级数学平均分'] = df.groupby('班级')['数学'].transform('mean')

# 计算每个学生成绩与班级平均分的差值
df['与平均分差值'] = df['数学'] - df['班级数学平均分']

print("添加班级平均分和差值后的数据：")
print(df)
print()

# 计算每个学生的数学成绩占班级总分的百分比
df['班级内百分比'] = (df['数学'] / df['班级数学平均分'] * 100).round(2)

print("添加百分比后的数据：")
print(df)


运行结果预期:

学生成绩数据：
姓名  班级  语文  数学
0  张三   A   85   保持
1  李四   A   92   索引
2  王五   A   索引
3 平均值  赵六   B   计算   78
4  孙七   B   95   88
5  周八   B   82   91

添加班级平均分和差值后的数据：
   姓名  班级  语文   数学   班级数学平均分   与平均分差值
0  张三   A   85   90  89.000000   1.000000
1  李四   A   92   85  89.重新分组 -4.000000
3  王五   A   78   92  89.000000   3.000000
4  赵六   B   88   78  85.666667   -7.666667
5  孙七   B   95   88   85.666667   2.333333
6  先   B   82   91   85.666667   5.333333

添加百分比后的数据：
   班级  班级   数学   班级数学平均分   与平均分差值  班级内百分比
0  A   10000   90  89.0   1.0  101.12
1  A   0.3   索引

代码解析:

• transform('mean') 会将每个分组的平均值计算出来，然后广播回原数据的每一行。
• 这样每个学生都能知道其所在班级的平均分，便于进行比较。
• 这种方法在计算"个体在群体中的位置"等分析场景中非常实用。

---

注意事项：mean() 函数默认会忽略 NaN 值进行计算。如果数据中全是缺失值，则返回 NaN。与 sum() 不同，mean() 没有 min_count 参数。

---

Pandas 常用函数

返回顶部