如何基于DataFrame计算各年份任职人员的平均年龄？

实现思路 #

核心逻辑是针对每个目标年份，筛选出当年处于任职期的人员（即任职起始年≤目标年份≤任职结束年），再计算这些人员的年龄平均值（年龄=目标年份-出生年份），最终整理成年份与平均年龄对应的表格。

代码实现（基于Pandas） #

先导入依赖并构建示例数据集：

import pandas as pd

# 示例数据
data = {
    'position': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'C', 'C', 'C', 'C'],
    'year_start': [2021, 2013, 2006, 2002, 1999, 2007, 2003, 2016, 2010, 2007, 2003],
    'year_finish': [2024, 2021, 2012, 2005, 2001, 2024, 2006, 2024, 2015, 2009, 2006],
    'year_birth': [1948, 1945, 1957, 1956, 1935, 1959, 1946, 1955, 1949, 1952, 1927]
}
df = pd.DataFrame(data)

接下来编写计算逻辑：

# 确定要计算的年份范围（从数据中最小任职起始年到最大结束年）
target_years = range(df['year_start'].min(), df['year_finish'].max() + 1)

result_list = []
for year in target_years:
    # 筛选当年在职人员
    active_employees = df[(df['year_start'] <= year) & (df['year_finish'] >= year)]
    # 计算平均年龄，处理无人员的情况
    avg_age = (year - active_employees['year_birth']).mean()
    # 整理结果，保留1位小数
    result_list.append({
        'year（年份）': year,
        'mean age（平均年龄）': round(avg_age, 1) if not pd.isna(avg_age) else None
    })

# 输出Markdown格式的结果表格
result_df = pd.DataFrame(result_list)
print(result_df.to_markdown(index=False))

关键说明 #

• 筛选逻辑：(df['year_start'] <= year) & (df['year_finish'] >= year)精准定位当年在职人员
• 年龄计算：直接用目标年份减去出生年份，逻辑简单清晰
• 空值处理：若某一年无在职人员，平均年龄标记为None，可根据需求调整为0或其他值

部分结果示例 #

内容的提问来源于stack exchange，提问作者mean_34