如何用Pandas按ID和周分组计算日均网站访问次数均值？

方法1：基于已生成的每日访问次数计算 #

你已经通过df.groupby(['ID','week','date']).agg({'date':['count']})得到了每日访问次数，接下来可以直接在这个结果上继续处理：

1. 先扁平化多级列名并重置索引，避免后续操作的索引困扰：

daily_counts = df.groupby(['ID','week','date']).agg({'date':['count']})
# 把多级列名改成单级
daily_counts.columns = ['daily_visits']
daily_counts = daily_counts.reset_index()

2. 按ID和week分组，计算每日访问次数的均值，得到每周的日均访问次数：

weekly_avg_daily = daily_counts.groupby(['ID','week'])['daily_visits'].mean().reset_index()

方法2：一步到位直接从原始DataFrame计算 #

可以省略中间生成每日结果的步骤，用链式调用直接完成计算，效率更高：

weekly_avg_daily = df.groupby(['ID','week','date'])['date'].count() \
                    .groupby(['ID','week']).mean() \
                    .reset_index(name='avg_daily_visits')

结果说明 #

最终的weekly_avg_daily是每个用户（ID）每周（week）一行的结构，其中avg_daily_visits（或你自定义的列名）代表该用户当周的日均访问次数——即该用户当周所有访问日期的单日访问次数的平均值，未访问的日期不会参与计算。

内容的提问来源于stack exchange，提问作者kri