如何对Pandas DataFrame中重复年份的统计列求均值合并？

要合并重复年份的行并对统计列求均值，同时确保覆盖1970-2022所有年份，可按以下步骤操作：

1. 按年份分组计算均值 #

使用Pandas的groupby按year列分组，对所有统计列（stat1至statn）批量计算均值：

import pandas as pd

# 获取所有统计列（自动排除year列）
stat_columns = df.columns.drop('year')

# 分组求均值，重置索引让year回到列位置
grouped_df = df.groupby('year')[stat_columns].mean().reset_index()

2. 补全缺失年份 #

由于部分年份可能因数据缺失被删除，需要生成完整的年份序列，通过左连接确保每个年份都存在一行：

# 生成1970到2022的完整年份列表
full_year_range = pd.DataFrame({'year': range(1970, 2023)})

# 左连接补全年份，缺失年份的统计值会显示为NaN
final_df = full_year_range.merge(grouped_df, on='year', how='left')

补充说明 #

• groupby('year').mean()会自动忽略每组内的NaN值，仅对有效数值计算均值，适合处理缺失数据场景。
• 用df.columns.drop('year')批量获取统计列，无需手动罗列大量列名，适配大型DataFrame操作。
• 1970到2022总计53个年份，最终final_df会有53行；若你需要52行，请检查年份范围是否应为1971-2022。

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