如何在Pandas DataFrame中按两列分组计算均值并生成新列？

核心解决方案 #

要实现按两列分组计算第三列的均值并添加为新列，使用groupby结合transform方法是最直接的方式——transform会将分组聚合后的均值广播到原DataFrame的每一行，完美匹配索引。

示例实现 #

首先定义示例DataFrame：

import pandas as pd

data = [
    {'x':0.0, 'y':0.0, 'z':0.8},
    {'x':0.0, 'y':0.0, 'z':1.0},
    {'x':0.0, 'y':0.0, 'z':1.2},
    {'x':1.0, 'y':1.0, 'z':1.6},
    {'x':1.0, 'y':1.0, 'z':2.0},
    {'x':1.0, 'y':1.0, 'z':2.4},
]
df = pd.DataFrame(data)

执行分组计算并添加新列：

# 按x、y分组，计算z列的均值，存入z_mean新列
df['z_mean'] = df.groupby(['x', 'y'])['z'].transform('mean')

输出结果 #

运行后得到的DataFrame如下：

x    y    z  z_mean
0  0.0  0.0  0.8     1.0
1  0.0  0.0  1.0     1.0
2  0.0  0.0  1.2     1.0
3  1.0  1.0  1.6     2.0
4  1.0  1.0  2.0     2.0
5  1.0  1.0  2.4     2.0

关键说明 #

• groupby(['x', 'y'])：指定分组依据为x和y两列，确保相同x、y组合的行被归为同一组
• transform('mean')：对每个组的z列计算均值，与直接使用mean()不同，transform会保留原DataFrame的行数，将均值填充到对应组的每一行中
• 直接赋值给df['z_mean']即可完成新列的创建

内容的提问来源于stack exchange，提问作者Xavier M