R语言DataFrame条件平均、分组与排序实现问题

1. 定义年份区间标签 #

先给每个年份匹配对应的区间分组，用pd.cut快速实现：

import pandas as pd

# 定义年份区间边界和对应标签
year_bins = [1979, 1990, 2001, 2007, 2020]
year_labels = ['1980-1990', '1991-2001', '2002-2007', '2008-2020']

# 为原DataFrame添加区间标签列
df['year_period'] = pd.cut(df['fyear'], bins=year_bins, labels=year_labels, include_lowest=True)

2. 计算各区间及全周期的行业均值 #

分别计算分区间和全周期的行业指标均值，再合并结果：

# 计算分区间的行业指标均值
period_means = df.groupby(['newname', 'year_period'])[['aqcflow', 'capxflow']].mean().reset_index()

# 计算全周期的行业指标均值，添加统一标签
full_period_means = df.groupby('newname')[['aqcflow', 'capxflow']].mean().reset_index()
full_period_means['year_period'] = '全周期'

# 合并两类均值数据
all_means = pd.concat([period_means, full_period_means], ignore_index=True)

3. 转换为宽表结构 #

通过pivot将长表转成宽表，调整列名提升可读性：

# 转宽表：行业为行，(指标, 区间)为列
wide_df = all_means.pivot(index='newname', columns='year_period', values=['aqcflow', 'capxflow'])

# 格式化列名，比如"aqcflow_1980-1990"
wide_df.columns = ['_'.join(col) for col in wide_df.columns]
wide_df = wide_df.reset_index()

4. 按总平均值降序排序 #

以全周期的指标均值作为总平均值，进行排序：

# 计算各行业的总平均值（这里取全周期两个指标的均值，可按需调整）
wide_df['total_mean'] = wide_df[['aqcflow_全周期', 'capxflow_全周期']].mean(axis=1)

# 按总平均值降序排列
wide_df_sorted = wide_df.sort_values(by='total_mean', ascending=False)

常见异常排查 #

• 如果出现分组错误：检查year_bins的边界是否覆盖所有年份，include_lowest=True确保1980年被正确划入第一个区间
• 如果出现缺失值：计算均值时可添加dropna=True（默认已开启），或根据业务需求用fillna(0)填充缺失值
• 如果pivot报错重复值：检查是否存在同一行业同一区间的重复数据，可先对原数据去重或用groupby聚合时指定更严谨的规则

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