Python实现：筛选满足评分计数>50且均值>4的餐厅

不需要单独统计评分计数与均值后再合并为新数据集，直接通过分组聚合+条件筛选就能一步完成需求。

核心思路 #

1. 按餐厅维度分组，对评分字段同时计算两个统计值：
   • 有效评分的数量（自动忽略NaN）
   • 平均评分（同样自动排除NaN）
2. 直接在聚合后的统计结果上，筛选出「评分计数>50且平均评分>4」的餐厅即可。

代码示例（以Python Pandas为例） #

import pandas as pd

# 假设原数据集为df，包含「餐厅ID/名称」「评分」等字段
# 分组聚合计算统计指标
restaurant_metrics = df.groupby('餐厅ID').agg(
    有效评分数量=('评分', 'count'),
    平均评分=('评分', 'mean')
)

# 筛选符合促销条件的餐厅
qualified_restaurants = restaurant_metrics[
    (restaurant_metrics['有效评分数量'] > 50) & 
    (restaurant_metrics['平均评分'] > 4)
]

补充说明 #

如果后续需要将筛选出的餐厅统计数据与原数据集的其他字段（如菜系、订单价格）关联，才需要通过merge合并；但如果只是确定参与促销的餐厅名单，上述步骤已经足够，无需额外合并操作。

内容的提问来源于stack exchange，提问作者Apst