如何按多列日期的唯一值分组计算DataFrame的价格均值？

步骤1：构造示例DataFrame（可跳过，直接用你的数据） #

如果需要复现示例数据，先运行这段代码：

import pandas as pd

data = {
    'Price': [10, 18, 67, 23, 38, 41],
    'Date.1': ['10/22/22', '8/1/22', '8/1/22', '10/11/22', '10/22/22', '6/7/22'],
    'Date.2': ['11/23/22', '10/22/22', '11/23/22', '10/22/22', '11/23/22', None],
    'Date.3': ['12/31/22', None, None, None, '12/31/22', None]
}
df = pd.DataFrame(data, index=range(1,7))

步骤2：转换数据格式并计算均值 #

核心是把多列日期转换成日期-价格的一对一关联格式，再分组计算：

# 筛选所有日期列（列名含Date的列）
date_columns = [col for col in df.columns if 'Date' in col]

# 把原索引转为行号列，方便后续查看对应行
df = df.reset_index().rename(columns={'index': 'Row'})

# 融化数据：将多列日期合并为单列，保留行号和价格
melted_data = df.melt(
    id_vars=['Row', 'Price'],
    value_vars=date_columns,
    value_name='Date'
).dropna(subset=['Date'])  # 移除日期为空的行

# 按日期分组，计算价格均值并收集对应行号
final_result = melted_data.groupby('Date').agg(
    价格均值=('Price', 'mean'),
    对应行号=('Row', lambda x: ', '.join(map(str, x)))
).reset_index()

print(final_result)

输出结果 #

运行后会得到如下格式的结果：

说明 #

• 用melt函数替代split是更高效的多列数据转换方式，能快速把宽表转为长表，让每个日期都和对应价格关联。
• 如果不需要行号，只保留均值，可以简化聚合逻辑：melted_data.groupby('Date')['Price'].mean().reset_index()

内容的提问来源于stack exchange，提问作者Anna