基于另一列对Pandas DataFrame执行groupby、sum和mean操作求助

你可以用 pandas 的 groupby 配合 agg() 方法，一次性完成分组、求和、求均值操作，还能给不同列指定不同的聚合逻辑，具体代码如下：

1. 基础导入（若未执行） #

import pandas as pd

2. 多列自定义聚合 #

假设你需要按 Month-Year 分组，对 meets_target 求和、对 percentage 求均值，同时保留每个月的总数量 total，代码如下：

result = mydf.groupby('Month-Year').agg(
    total_meets=('meets_target', 'sum'),    # 对meets_target列求和，命名为total_meets
    avg_percent=('percentage', 'mean'),     # 对percentage列求均值，命名为avg_percent
    monthly_total=('total', 'first')        # total列每组值相同，取第一个即可
).reset_index()

执行后得到的结果：

3. 同一列多聚合操作 #

如果需要对同一列同时做求和和均值计算（比如对 meets_target），可以简化写法：

result = mydf.groupby('Month-Year')['meets_target'].agg(['sum', 'mean']).reset_index()

输出结果：

关键说明 #

• agg() 支持传入字典，通过「新列名: (原列名, 聚合函数)」的格式自定义聚合规则，灵活度很高
• 聚合函数可以用字符串（如 'sum'、'mean'），也可以直接用 pandas 内置函数（如 pd.Series.sum）
• 对于分组内值完全一致的列（比如 granularity_date），用 'first' 或 'last' 提取值效率更高

内容的提问来源于stack exchange，提问作者Hayat