编写可复用函数为Pandas DataFrame按年份添加年度平均值列

方案思路 #

核心逻辑是自动识别日期列、按年份分组列、计算每行的年份平均值，全程无需手动指定列名，适配任意数量的年份列。

高效实现代码 #

推荐用Pandas内置的groupby配合正则筛选，代码简洁且性能高效：

import pandas as pd

# 1. 筛选所有YYYY-MM-DD格式的日期列，按年份分组计算每行均值
year_avg_df = Data.filter(regex=r'^\d{4}-\d{2}-\d{2}$').groupby(lambda col_name: col_name[:4], axis=1).mean()

# 2. 重命名均值列，加上_avg后缀
year_avg_df.columns = [f"{year}_avg" for year in year_avg_df.columns]

# 3. 将均值列合并回原DataFrame
Data = pd.concat([Data, year_avg_df], axis=1)

分步解释 #

• 筛选日期列：filter(regex=r'^\d{4}-\d{2}-\d{2}$') 精准匹配YYYY-MM-DD格式的列名，自动排除State列及其他非日期列。
• 按年份分组计算：groupby(lambda col_name: col_name[:4], axis=1) 以列名的前4位（年份）为分组依据，按列分组后调用mean(axis=1)计算每行的平均值。
• 合并结果：用pd.concat横向合并原DataFrame和均值列DataFrame，保留所有原始数据的同时新增均值列。

适配特殊情况 #

如果日期列名格式不是YYYY-MM-DD（比如20080229），只需调整正则表达式和年份提取逻辑：

# 针对YYYYMMDD格式的列名
year_avg_df = Data.filter(regex=r'^\d{8}$').groupby(lambda col_name: col_name[:4], axis=1).mean()

如果需要排除其他非日期列（不止State），可以手动指定保留列的逻辑：

# 排除指定列，保留其余疑似日期列
date_cols = [col for col in Data.columns if col not in ['State', 'OtherNonDateCol']]
year_avg_df = Data[date_cols].groupby(lambda col_name: col_name[:4], axis=1).mean()

内容的提问来源于stack exchange，提问作者Belinda Zhang