如何在Pandas DataFrame中通过映射实现按年份求平均体重？

先拆解你代码里导致TypeError: unhashable type: 'DataFrame'的问题：

• 字段名不匹配：你的DataFrame字段是Birthyear，但代码里写了set_index('Year')
• 均值逻辑错误：df['Weight'].mean是引用方法本身而非计算结果，且你需要的是按年份分组的均值，不是全局均值
• map参数错误：你传入的是DataFrame类型，但map需要的是键为年份、值为对应均值的Series，DataFrame属于不可哈希类型，因此触发报错
• 浅拷贝问题：dfaverage = df是浅拷贝，修改dfaverage会直接改动原DataFrame，应该用df.copy()

推荐的几种实现方式 #

方式1：生成去重的「年份-平均体重」DataFrame

如果只需要每个年份对应的平均体重（一行对应一个年份），直接用groupby聚合即可：

# 按Birthyear分组计算Weight均值，重置索引并命名结果列
year_avg_df = df.groupby('Birthyear')['Weight'].mean().reset_index(name='Average_Weight')

方式2：为原数据每条记录添加对应年份的平均体重

如果需要保留原数据所有行，同时添加对应年份的平均体重列，用groupby + transform最简洁高效：

# 先拷贝原数据，避免修改原始DataFrame
dfaverage = df.copy()
# 按Birthyear分组后，将组内均值广播到每条记录
dfaverage['Average_Weight'] = dfaverage.groupby('Birthyear')['Weight'].transform('mean')

方式3：修正你的map思路实现

如果想保留map的写法，需先预先生成分组均值的Series，再用map匹配：

# 生成以Birthyear为索引、对应均值为值的Series
year_mean_series = df.groupby('Birthyear')['Weight'].mean()

dfaverage = df.copy()
# 用map匹配每个Birthyear对应的均值
dfaverage['Average_Weight'] = dfaverage['Birthyear'].map(year_mean_series)

以上方法都能高效处理10万行级别的数据，groupby是Pandas针对分组统计优化的原生方法，性能远优于手动循环或错误的map写法。

内容的提问来源于stack exchange，提问作者Tabare De Los Santos