Python Pandas sort_values排序异常：输出重复行而非预期结果

你的代码出现重复行的核心问题是：遍历的是未去重的区域列。country_features['world_region']里每个区域会对应多个国家行，循环时同一个区域会被反复计算均值和数量，最终region_happines里会生成大量重复的区域行，排序后取前5自然都是重复的同一高幸福度区域。

方案1：修改原循环（去重区域列表） #

只需要在获取区域列表时先去重，确保每个区域只被计算一次：

# 获取去重后的唯一区域列表
regions = country_features['world_region'].unique()
happines = []
counts = []
reg = []

for region in regions:
    hap = country_features.loc[country_features['world_region'] == region, 'happiness_score'].mean()
    count = len(country_features[country_features['world_region'] == region])
    happines.append(hap)
    counts.append(count)
    reg.append(region)

region_happines = pd.DataFrame({'region':reg,
                                'happiness_score' : happines,
                                'country_count':counts})

# 注：mean()返回的已是数值类型，无需额外转格式
sorted_df = region_happines.sort_values(by='happiness_score', ascending=False)

sorted_df.head(5)

方案2：用pandas分组聚合（更简洁高效，推荐） #

直接利用pandas的groupby完成分组计算，从根源避免重复行问题：

# 一步完成分组、聚合、列重命名
region_happines = country_features.groupby('world_region').agg(
    happiness_score=('happiness_score', 'mean'),
    country_count=('world_region', 'count')
).reset_index().rename(columns={'world_region':'region'})

# 排序并取前5
sorted_df = region_happines.sort_values(by='happiness_score', ascending=False)
sorted_df.head(5)

内容的提问来源于stack exchange，提问作者ISO