如何按Name列分组计算多列所有数值的平均值？

原始数据表格：

需求：按Name列的不同人员分组，计算该人员所有行内score1、score2、score3全部数值的平均值。比如Bob有3行数据，共9个数值，要计算这9个值的整体平均值，而非每行平均值再求平均。

已知以下代码用于计算每行多列的平均值：

df['averages'] = df[['Score1', 'Score2', 'Score3']].mean(axis=1)

要实现按姓名分组的整体平均值计算，可采用以下两种简洁方法：

方法一：堆叠列后计算分组平均 #

# 按Name分组，将每组的score列堆叠为一维序列，再按Name层级求平均
grouped_overall_avg = df.groupby('Name')[['score1', 'score2', 'score3']].stack().mean(level=0)

逻辑：stack()会把每组的三列score数据平铺成一列，此时每组所有score值都在同一个序列里，mean(level=0)指定按原分组的Name维度计算平均，直接得到每个人员所有score数值的整体平均值。

方法二：总和除以总数值个数 #

# 先算每组所有score的总和，再除以该组的总数值数量（行数×3）
grouped_overall_avg = df.groupby('Name')[['score1', 'score2', 'score3']].sum().sum(axis=1) / (df.groupby('Name').size() * 3)

逻辑：先按Name分组，计算每组各score列的和，再对这些和求和得到该人员的总分数；df.groupby('Name').size()得到每组的行数，乘以3就是该人员的总数值个数，总分数除以总个数即为整体平均值。

合并回原表格（可选） #

如果需要把计算出的整体平均值添加到原DataFrame的对应行，可用map：

df['overall_average'] = df['Name'].map(grouped_overall_avg)

内容的提问来源于stack exchange，提问作者EvitaSchaap