如何获取DataFrame中特定年龄对应的收入平均值？

首先纠正个小细节：df.groupby('age')['income'].mean()实际返回的是Series（单列聚合结果），而非DataFrame；如果要得到DataFrame，可以追加.to_frame()转换。下面是几种提取特定年龄平均值的实用方法：

• 方法1：利用Series索引直接取值（最便捷）
  先把聚合结果存为变量，再通过loc按年龄索引直接提取：

  grouped_mean = df.groupby('age')['income'].mean()
  # 提取30岁对应的收入平均值
  target_mean = grouped_mean.loc[30]
  

• 方法2：转成DataFrame后用布尔索引筛选
  若更习惯DataFrame的操作逻辑，先将聚合结果转为带列名的DataFrame，再通过条件筛选目标值：

  grouped_df = df.groupby('age')['income'].mean().reset_index(name='avg_income')
  # 提取30岁的收入平均值
  target_mean = grouped_df[grouped_df['age'] == 30]['avg_income'].iloc[0]
  

• 方法3：直接筛选后计算（效率更高）
  如果只需要单个年龄的平均值，没必要先聚合所有年龄，直接筛选目标年龄的数据再计算均值，性能更优：

  # 直接计算30岁的收入平均值
  target_mean = df[df['age'] == 30]['income'].mean()
  

内容的提问来源于stack exchange，提问作者BiIs