Python中基于分组计算创建新DataFrame报错问题求助

你的问题出在构造字典时，df.groupby(['Season'])是GroupBy对象，不是具体的赛季标签值，没法直接用来生成DataFrame的列。下面是两种简洁且正确的实现方式：

方法一：分步计算后合并 #

先分别计算所需统计量，再合并为DataFrame并计算场均值：

import pandas as pd

# 计算每个赛季的总尝试次数（每行是一次尝试，size()即总次数）
fg_counts = df.groupby('Season').size().rename('FG')
# 计算每个赛季的唯一比赛数
game_counts = df.groupby('Season')['GameID'].nunique().rename('Games')

# 合并两个统计Series，重置索引将Season转为列并改名为Year
result_df = pd.concat([fg_counts, game_counts], axis=1).reset_index().rename(columns={'Season': 'Year'})
# 计算场均尝试数
result_df['Avg_FG_Per_Game'] = result_df['FG'] / result_df['Games']

方法二：用agg()一次性完成分组统计 #

更高效的写法，通过groupby.agg()一次性定义所有统计规则：

import pandas as pd

result_df = df.groupby('Season').agg(
    FG=('GameID', 'size'),  # 总尝试次数，用任意列的size都可以，这里选GameID不影响结果
    Games=('GameID', 'nunique')
).reset_index().rename(columns={'Season': 'Year'})

# 添加场均尝试数列
result_df['Avg_FG_Per_Game'] = result_df['FG'] / result_df['Games']

两种方法最终都会生成包含Year（赛季）、FG（总尝试次数）、Games（比赛数）、Avg_FG_Per_Game（场均尝试数）的DataFrame，完全符合你的需求。

内容的提问来源于stack exchange，提问作者Abartel