如何在Pandas GroupBy中计算分组内字符串的平均长度？

你的问题和索引深度无关，核心是原代码没有正确计算每个评论描述的字符串长度，反而统计了每组的样本数量，最后还对这些样本数求了全局均值，所以只得到一个总数值。

问题拆解 #

• reviews.groupby(['country','variety']).description.apply(lambda x: len(x)) 里的x是分组后的整个Series，len(x)返回的是该组的行数（即该国家-品种组合的样本数），不是每个描述的字符串长度。
• 后续的.mean()是对所有组的样本数求平均，自然得到全局总均值，而非每组的平均描述长度。

正确写法 #

有三种简洁的实现方式，任选其一即可：

方式1：先新增长度列再分组求均值（可读性最高）

# 为每条评论计算描述字符串的长度，新增一列
reviews['desc_length'] = reviews['description'].str.len()
# 按国家+品种分组，计算每组的平均描述长度
average_desc = reviews.groupby(['country', 'variety'])['desc_length'].mean()

方式2：直接在分组后链式计算

average_desc = reviews.groupby(['country', 'variety'])['description'].apply(lambda x: x.str.len().mean())

方式3：用agg方法更清晰

average_desc = reviews.groupby(['country', 'variety'])['description'].agg(lambda x: x.str.len().mean())

原理说明 #

x.str.len()会遍历组内的每一条description字符串，单独计算其长度，生成一个数值型Series；再对这个Series调用.mean()，就能得到该国家-品种组合下所有评论描述的平均长度。

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