如何计算pandas.core.series.Series中各JSON元素的count、a1和a2的平均值

嘿，这个需求很清晰，咱们一步步来搞定它：

步骤1：将Series中的JSON数据解析为结构化DataFrame #

首先，我们需要把每个JSON格式的元素转换成Pandas能直接处理的DataFrame，分两种情况处理：

如果你的Series元素是JSON字符串：

先用json.loads把每个字符串转成Python字典，再用pd.json_normalize把嵌套字典展开成扁平列：

import pandas as pd
import json

# 构造示例Series（和你的数据结构一致）
data = [
    '{"count": 157065, "grp": {"a1": 12, "a2": 32}}',
    '{"count": 2342, "grp": {"a1": 4, "a2": 34}}',
    '{"count": 543, "grp": {"a1": 1, "a2": 11}}',
    '{"count": 156, "grp": {"a1": 56, "a2": 75}}'
]
s = pd.Series(data)

# 解析JSON字符串为字典，再展开成DataFrame
parsed_dicts = s.apply(json.loads)
df = pd.json_normalize(parsed_dicts)

执行后df的结构会变成扁平的表格，列名分别是count、grp.a1、grp.a2，非常方便后续计算。

如果你的Series元素已经是Python字典：

那更省事，直接跳过解析字符串的步骤，用pd.json_normalize展开即可：

df = pd.json_normalize(s)

步骤2：计算各字段的平均值 #

现在数据已经结构化，计算平均值就很直观了，直接调用mean()方法：

# 单独计算每个字段的平均值
count_avg = df['count'].mean()
a1_avg = df['grp.a1'].mean()
a2_avg = df['grp.a2'].mean()

print(f"count字段平均值：{count_avg}")
print(f"grp.a1字段平均值：{a1_avg}")
print(f"grp.a2字段平均值：{a2_avg}")

也可以一次性获取所有字段的平均值：

all_avgs = df.mean()
print(all_avgs)

用你的示例数据运行的话，输出结果会是：

count字段平均值：40026.5
grp.a1字段平均值：18.25
grp.a2字段平均值：38.0

内容的提问来源于stack exchange，提问作者S_S