如何在Python中计算出现至少三次的hit_num对应的score均值？

我有一个DataFrame，需要根据hit_num列中值的出现次数，获取score列的均值。随机数据示例如下：

# 设置随机种子保证可复现
np.random.seed(42)

# 创建随机DataFrame
df = pd.DataFrame({'hit_num': np.random.randint(1,5,20), 
                   'score': np.random.randint(1, 500, 20),
                   })   
df.sort_values(by='hit_num')

需求：仅保留hit_num出现次数≥3的条目，计算这些hit_num对应的score均值，最终生成包含hit_num和对应均值的新DataFrame。比如hit_num=1因出现次数不足被跳过，hit_num=2计算4个score的均值，hit_num=3计算7个score的均值。

尝试过的方法：

• 直接用np.mean()或pandas的mean()方法，只能计算整列均值，无法按分组统计。
• 找到过指定行列求均值的示例：df[['b', 'c']].iloc[[2,4]].mean(axis=0)，但这是固定行列，不满足动态需求。
• 尝试用循环筛选，但不知道如何针对特定hit_num计算对应score的均值，代码如下：

for hits in df:
        if df['hit_num'].value_counts() < 3:
            continue
        elif df['hit_num'].value_counts() => 3:
            df.mean()

方法1：分组+过滤一步到位 #

利用pandas的groupby分组，结合filter筛选出出现次数≥3的组，再计算均值：

# 按hit_num分组，筛选出组大小≥3的，再计算score的均值
result = df.groupby('hit_num').filter(lambda x: len(x) >= 3).groupby('hit_num')['score'].mean().reset_index()
# 重命名均值列更直观
result.rename(columns={'score': 'score_mean'}, inplace=True)

方法2：先统计次数再匹配计算 #

先统计每个hit_num的出现次数，再筛选出符合条件的hit_num，最后计算对应均值：

# 统计hit_num的出现次数
hit_counts = df['hit_num'].value_counts()
# 筛选出出现次数≥3的hit_num
valid_hits = hit_counts[hit_counts >= 3].index
# 过滤原DataFrame，只保留有效hit_num，再分组计算均值
result = df[df['hit_num'].isin(valid_hits)].groupby('hit_num')['score'].mean().reset_index()
result.rename(columns={'score': 'score_mean'}, inplace=True)

结果验证 #

运行上述任意一段代码后，生成的result就是符合需求的新DataFrame，包含出现次数≥3的hit_num及其对应的score均值。

内容的提问来源于stack exchange，提问作者Soef