如何筛选Pandas DataFrame中Score值接近均值±0.001的记录并提取Age值

问题描述：
我拥有一个Pandas DataFrame，数据如下：

序号	age	score
5	72	99.424
6	70	99.441
7	69	99.442
8	67	99.443
9	71	99.448

其中score列的均值为99.4396（该均值为score列所有数值的平均值）。请问如何筛选出score值与该均值的差值在±0.001范围内的记录，并提取对应的age值？在本例中，符合条件的age值为67和69。

没问题，这是个很常见的Pandas数据筛选需求，我来一步步帮你实现：

步骤1：准备数据（已有DataFrame可跳过） #

先把示例数据转换成Pandas DataFrame，方便后续操作：

import pandas as pd

data = {
    '序号': [5, 6, 7, 8, 9],
    'age': [72, 70, 69, 67, 71],
    'score': [99.424, 99.441, 99.442, 99.443, 99.448]
}
df = pd.DataFrame(data)

步骤2：计算Score列的均值 #

你可以选择自动计算均值（更通用，适合数据更新的场景），或者直接使用给定的固定均值：

# 方法1：自动计算均值
mean_score = df['score'].mean()

# 方法2：直接使用给定的均值
# mean_score = 99.4396

步骤3：筛选符合条件的记录 #

利用布尔索引筛选出score与均值的绝对值差≤0.001的行：

filtered_rows = df[abs(df['score'] - mean_score) <= 0.001]

步骤4：提取对应的Age值 #

从筛选后的结果中提取age列，转换成列表更方便后续使用：

target_ages = filtered_rows['age'].tolist()
print(target_ages)  # 输出结果：[69, 67]

完整代码整合 #

把所有步骤整合起来，完整代码如下：

import pandas as pd

# 初始化DataFrame
data = {
    '序号': [5, 6, 7, 8, 9],
    'age': [72, 70, 69, 67, 71],
    'score': [99.424, 99.441, 99.442, 99.443, 99.448]
}
df = pd.DataFrame(data)

# 计算均值（或直接赋值99.4396）
mean_score = df['score'].mean()

# 筛选并提取age
target_ages = df[abs(df['score'] - mean_score) <= 0.001]['age'].tolist()

print("符合条件的age值：", target_ages)

运行这段代码后，就能得到你需要的结果[69, 67]啦。

内容的提问来源于stack exchange，提问作者Savannah