如何在Pandas中基于相邻列指定值计算对应Qty列的平均值

方法思路 #

核心是先把不符合条件的qty值标记为NaN，再利用pandas的mean()自动忽略NaN的特性计算每行平均值，这种方法比apply()效率高很多，更适配大规模数据集。

代码实现 #

import pandas as pd

# 构造示例数据集
data = {
    '销售额': [42, 56, 78],
    'yr10cd': ['A', 'T', 'A'],
    'yr10qty': [45, 58, 75],
    'yr9cd': ['A', 'A', '0'],
    'yr9qty': [47, 52, 0],
    'yr8cd': ['A', '0', '0'],
    'yr8qty': [49, 0, 0]
}
df = pd.DataFrame(data)

# 提取所有年份对应的cd和qty列对（实际场景可扩展到yr1）
year_suffixes = ['10', '9', '8']
valid_qty_cols = []
for suffix in year_suffixes:
    cd_col = f'yr{suffix}cd'
    qty_col = f'yr{suffix}qty'
    # 仅保留cd列为"A"的qty值，其余设为NaN
    df[f'valid_{qty_col}'] = df[qty_col].where(df[cd_col] == 'A')
    valid_qty_cols.append(f'valid_{qty_col}')

# 计算每行平均值并新增列
df['平均值'] = df[valid_qty_cols].mean(axis=1)

# 可选：删除中间生成的valid列
df = df.drop(valid_qty_cols, axis=1)

print(df)

代码说明 #

1. 列配对处理：通过年份后缀匹配对应的cd标识列和qty数值列，确保每一组对应关系准确。
2. 有效值过滤：用where()方法，当cd列不等于"A"时，将对应qty值转为NaN，后续计算平均值时会自动排除这些无效值。
3. 高效计算：直接用mean(axis=1)按行计算平均值，避免了apply()逐行循环的低效问题，尤其适合大规模数据集。

你之前方法出错的可能原因 #

用apply()加if语句时，大概率是这两个问题：

• 判断条件有误：比如把数据里的0当成字符串处理，但实际是数值类型，导致判断不生效，没收集到符合条件的值；
• 空列表处理不当：如果代码默认在无符合条件值时返回0，且逻辑错误导致所有行都没收集到有效数据，就会出现全0的结果。

内容的提问来源于stack exchange，提问作者Taylor3417