没问题，我来帮你搞定这个平均评分计算的事儿！结合你已经完成的电影数量过滤操作，这里有两种简洁的方法可以实现需求：

方法一：一步式分组过滤+均值计算 #

这种方法不需要依赖你之前生成的years2，直接通过groupby的filter方法完成筛选和均值计算，代码更简洁：

# 按年份分组，过滤掉电影数量<10的年份，再计算每年的平均imdb_score
yearly_avg_score = df.groupby('title_year').filter(lambda x: len(x) >= 10) \
                     .groupby('title_year')['imdb_score'].mean()

方法二：基于你已有的years2结果计算 #

如果你想复用之前得到的符合条件的年份列表，可以这样做：

# 提取符合条件的年份（years2的索引就是筛选后的年份）
valid_years = years2.index

# 筛选原数据中属于有效年份的记录，再分组计算平均评分
yearly_avg_score = df[df['title_year'].isin(valid_years)] \
                     .groupby('title_year')['imdb_score'].mean()

验证结果 #

你可以打印yearly_avg_score查看结果，格式会是类似这样的Series：

title_year
1964.0    7.23
1968.0    7.15
1969.0    7.02
...
2016.0    6.38
Name: imdb_score, dtype: float64

用于绘图的示例 #

拿到平均评分后，用Matplotlib或者Seaborn都能轻松绘图，比如画一个折线图展示评分随年份的变化：

import matplotlib.pyplot as plt

# 排序年份（让图表更直观）
yearly_avg_score_sorted = yearly_avg_score.sort_index()

# 绘制折线图
plt.figure(figsize=(12,6))
yearly_avg_score_sorted.plot(kind='line', marker='o', color='darkblue')
plt.title('Average IMDB Score by Year (≥10 Movies per Year)')
plt.xlabel('Year')
plt.ylabel('Average IMDB Score')
plt.grid(True, alpha=0.3)
plt.show()

如果想画柱状图，只需要把kind='line'改成kind='bar'就可以啦！

内容的提问来源于stack exchange，提问作者Carlo Silanu