如何使用Pandas提取分组均值结果第二行的数值并添加至原DataFrame

我拥有一个名为train的DataFrame，包含business_code、cust_number、name_customer、clear_date、buisness_year、doc_id、posting_date、due_in_date、baseline_create_date、cust_payment_terms、converted_usd等列，数据行数约为9800行，部分数据如下：

我已使用Pandas的groupby方法执行如下操作：

dt=train.groupby('name_customer')['delay'].mean(numeric_only=False)

打印dt后得到如下结果：

name_customer
11078 us                17.0
17135 associates       -10.0
17135 llc               -3.0
236008 associates       -3.0
99 CE                    2.0
...
YEN BROS corp            0.0
YEN BROS corporation    -0.5
YEN BROS llc            -2.0
ZARCO co                -1.0
ZIYAD us                 6.0
Name: delay, Length: 3889, dtype: float64

请问是否有办法提取dt（分组均值结果）中第二行的均值数值，并将其添加到train数据集中？我刚接触CSV和DataFrame，若问题表述不当敬请谅解。

没问题，刚接触Pandas很正常，我来一步步帮你搞定这个需求！

首先，你得到的dt是一个Pandas Series对象，索引是客户名称，值是对应的延迟均值。要提取第二行的数值并添加到train里，分两步来：

1. 提取第二行的均值和对应客户 #

因为Series的索引是从0开始计数的，第二行对应的索引就是1，用iloc就能快速定位：

# 提取第二行的均值数值
second_mean = dt.iloc[1]
# 如果需要知道这个均值对应的客户名称，可以这么获取
target_customer = dt.index[1]

执行后，second_mean就是你要的-10.0，target_customer就是"17135 associates"。

2. 将数值添加到train数据集 #

这里分两种常见的场景，你可以根据自己的需求选择：

场景一：给整个train新增一列，所有行都填充这个第二行的均值 #

如果只是想给所有行都加上这个固定值，直接赋值就行：

train['selected_group_mean'] = second_mean

这样train里就多了一列selected_group_mean，所有行的值都是-10.0。

场景二：只给对应客户的行添加这个均值，其他行留空 #

如果是想仅给name_customer为"17135 associates"的行标记这个均值，其他行用空值（NaN）填充，可以用numpy的where函数：

import numpy as np
train['selected_group_mean'] = np.where(train['name_customer'] == target_customer, second_mean, np.nan)

这样只有匹配的行会显示-10.0，其他行显示NaN，方便后续筛选或处理。

额外补充：如果想把所有分组的均值都合并到train里 #

如果你其实是想给每个客户的行都添加上对应的分组均值（而不只是第二行），不用手动提取，用transform或者merge更高效：

# 方法1：用transform直接生成新列，最简便
train['customer_delay_mean'] = train.groupby('name_customer')['delay'].transform('mean', numeric_only=True)

# 方法2：把dt转成DataFrame后用merge合并
dt_df = dt.reset_index(name='customer_delay_mean')
train = train.merge(dt_df, on='name_customer', how='left')

这两种方法都会自动把每个客户的延迟均值对应到train的每一行，适合批量处理所有分组的情况。

内容的提问来源于stack exchange，提问作者GeNeRaL ShAdOw