求助：从多值单元格计算排除年份的价格均值的通用Python方法

1. 合并多个同模板Excel文件 #

先将所有目标Excel文件合并为单个DataFrame：

import pandas as pd
import glob

# 匹配所有目标Excel文件（可根据实际路径修改通配符）
excel_paths = glob.glob("./your_folder/*.xlsx")
# 批量读取并合并数据
combined_df = pd.concat([pd.read_excel(path) for path in excel_paths], ignore_index=True)

2. 提取价格数值并计算通用平均值 #

针对Price列中任意数量的有效数值（排除年份），直接计算平均值，无需生成中间列：

def get_avg_price(text):
    # 提取文本中所有数字字符串
    num_str_list = pd.Series(text).str.findall(r'\d+')[0]
    # 过滤年份（这里按4位且≥2000的数字判断，可按需调整）
    valid_nums = []
    for num_str in num_str_list:
        num = int(num_str)
        # 排除年份类数字，保留价格数值
        if not (len(num_str) == 4 and num >= 2000):
            valid_nums.append(float(num))
    # 计算平均值，无有效数值时返回NaN避免报错
    return sum(valid_nums) / len(valid_nums) if valid_nums else pd.NA

# 应用到合并后的DataFrame
combined_df['Avg_Price'] = combined_df['Price'].apply(get_avg_price)

简化版写法（一行lambda） #

如果偏好简洁代码，也可以用lambda表达式直接处理：

combined_df['Avg_Price'] = combined_df['Price'].str.findall(r'\d+').apply(
    lambda x: sum(float(n) for n in x if not (len(n)==4 and int(n)>=2000)) / len([n for n in x if not (len(n)==4 and int(n)>=2000)]) 
    if [n for n in x if not (len(n)==4 and int(n)>=2000)] else pd.NA
)

关键说明 #

• 年份过滤逻辑：默认排除4位且≥2000的数字（如2019），若你的年份范围不同，可自行调整判断条件（比如改为1900<=int(n)<=2100）
• 适配任意数量数值：不管单元格内有1个还是5个有效价格，都会自动计算所有数值的平均值
• 空值处理：当单元格无有效价格时，返回pd.NA，避免出现除以0的报错

内容的提问来源于stack exchange，提问作者lala345