如何按国家分组识别连续3年及以上增长率≥6%的时期并计算均值？

已知你已筛选出growth≥0.06的数据集，包含country、years、growth列，需要按国家找出连续3年及以上的高增长时期，生成包含country、period、mean_growth的结果表。以下是基于Pandas的实现方案：

实现步骤 #

1. 确保年份列是数值类型，避免字符串排序问题
2. 按国家分组后，对每组的年份排序（保证时序正确）
3. 通过计算年份与组内累计索引的差值，标记连续年份的分组
4. 筛选出分组内数据行数≥3的组（即连续3年及以上）
5. 对符合条件的组，生成时期字符串（起始年-结束年）并计算平均增长率

代码示例 #

import pandas as pd

# 替换为你的实际数据集
df = pd.read_csv('your_data.csv')

# 步骤1：确保years是数值类型
df['years'] = pd.to_numeric(df['years'])

# 步骤2-3：按国家分组，计算连续年份的分组键
df = df.sort_values(['country', 'years'])
df['group_key'] = df.groupby('country')['years'].transform(lambda x: x - x.index)

# 步骤4-5：分组筛选并计算结果
result = df.groupby(['country', 'group_key']).filter(lambda g: len(g) >=3) \
           .groupby(['country', 'group_key']).agg(
               period=('years', lambda x: f"{x.min()}-{x.max()}"),
               mean_growth=('growth', lambda x: round(x.mean(), 3))
           ).reset_index(drop=True)

print(result)

针对示例数据的输出结果 #

country    period  mean_growth
0  Albania  1999-2001        0.133
1  Albania  2006-2008        0.215

关键说明 #

• group_key的计算逻辑：连续年份的years - 索引结果相同，非连续年份会产生不同的键，以此区分不同的连续时期
• filter方法用来过滤掉长度不足3的分组，只保留连续3年及以上的时期
• agg方法里通过lambda函数生成时期字符串，并计算平均增长率（保留3位小数和示例一致）

内容的提问来源于stack exchange，提问作者johntitor