如何使用Python Pandas计算CSV文件每行中列表的均值并输出结果到CSV

这是个很常见的CSV嵌套数据处理需求，用Pandas搭配NumPy就能完美解决，我把解决方案梳理得更清晰实用：

完整可运行代码 #

import pandas as pd
import numpy as np
from ast import literal_eval

# 读取目标CSV文件
filename = "xy.csv"
df = pd.read_csv(filename, usecols=['X', 'Y'], quotechar='"', sep=',', low_memory=True)

# 定义辅助函数：将字符串列表转为实际列表并计算均值
def compute_list_average(column):
    # 把CSV里的字符串格式列表转为Python原生列表
    parsed_col = column.apply(literal_eval)
    # 对每个列表计算均值
    return parsed_col.apply(np.mean)

# 为X、Y列分别计算均值，新增列存储结果
df['X_mean'] = compute_list_average(df['X'])
df['Y_mean'] = compute_list_average(df['Y'])

# 情况1：保存带原数据+均值的CSV（推荐，方便后续处理）
df.to_csv("xy_with_means.csv", index=False)

# 情况2：保存你需要的「原列表 < 均值」格式的CSV
df['X_display'] = df['X'] + " < " + df['X_mean'].astype(str)
df['Y_display'] = df['Y'] + " < " + df['Y_mean'].astype(str)
df[['X_display', 'Y_display']].to_csv("xy_formatted.csv", index=False, header=['X', 'Y'])

关键步骤解释 #

• 读取CSV文件：
  pd.read_csv里的usecols指定只加载需要的X、Y列，quotechar和sep确保正确解析带方括号的列表字符串，避免解析错误。
• 解析列表字符串：
  用literal_eval替代eval，安全地把CSV中类似"[2,3,4]"的字符串转换成真正的Python列表，避免恶意代码执行风险。
• 计算均值：
  借助np.mean高效计算每个列表的均值，比手动遍历求和再除以长度更简洁高效。
• 输出结果：
  • 推荐保存「原数据+均值」的格式，方便后续数据分析；
  • 如果需要你描述的显示格式，通过字符串拼接生成新列后再保存即可。

如果你想直接覆盖原列（就像你找到的代码那样），可以把df['X_mean'] = ...改成df['X'] = compute_list_average(df['X'])，但保留原数据的方式更灵活哦。

内容的提问来源于stack exchange，提问作者NewBee