如何在Pandas DataFrame中对重复样本按列分组并计算均值

当然可以！完全不用纠结重复文件名的命名规律，咱们直接用Pandas的多级列和重塑功能就能搞定，而且全程在DataFrame里操作，非常简洁。下面跟着示例一步步来：

1. 先构建示例多级列DataFrame #

首先把你给出的原始数据转换成Pandas的多级表头格式：

import pandas as pd

# 原始数据的两行表头
sample_names = ['S1', 'S1', 'S2', 'S2']
file_names = ['S1.1', 'S1.2', 'S2.1', 'S2.2']

# 构建多级列索引
multi_cols = pd.MultiIndex.from_arrays([sample_names, file_names], names=['Sample', 'File'])

# 构建数据部分
data = [
    [10, 8, 14, 1],
    [0, 6, 2, 3]
]

# 创建DataFrame
df = pd.DataFrame(data, index=['Ion1', 'Ion2'], columns=multi_cols)

此时的df就是和你原始数据一致的多级表头结构啦。

2. 重塑数据到目标格式 #

接下来咱们一步步把它转成你想要的结构：

步骤1：把索引（Ion）转为普通列 #

这样方便后续的分组和重塑：

df = df.reset_index().rename(columns={'index': 'Ion'})

步骤2：将宽格式数据转为长格式 #

用melt方法把每一列的测量值拆成单独的行，同时保留对应的样本名和文件名：

df_long = df.melt(id_vars='Ion', var_name=['Sample', 'File'], value_name='Value')

这一步之后，每一行都是一个离子+样本+文件名的测量值，完全脱离了原有的宽格式限制，而且完全不依赖文件名的规律——我们只需要用到Sample这一级的信息。

步骤3：给每个样本的重复测量编号 #

对每个Ion+Sample的组合，给重复测量按顺序标上Rep1、Rep2：

# 给每个组内的测量值编序号（从1开始）
df_long['Rep'] = df_long.groupby(['Ion', 'Sample']).cumcount() + 1
# 把序号转成Rep1、Rep2这样的列名
df_long['Rep'] = 'Rep' + df_long['Rep'].astype(str)

步骤4：重塑回宽格式得到目标结构 #

用pivot把重复测量值转为列：

result = df_long.pivot(index=['Ion', 'Sample'], columns='Rep', values='Value').reset_index()
# 调整列顺序，让它和你想要的格式一致
result = result[['Ion', 'Sample', 'Rep1', 'Rep2']]

此时的result就是你要的格式：

3. 计算重复样本的均值 #

得到目标格式后，计算均值就非常简单了：

result['Mean'] = result[['Rep1', 'Rep2']].mean(axis=1)

最终结果会多一列均值，完美满足你的需求。

核心优势 #

整个过程完全没有用到文件名（比如S1.1、S2.2）的任何规律，所有分组都是基于第一行的样本名（多级列的Sample层级）来完成的，不管你的文件名是XF20114还是其他无规律名称，都能正常工作。

内容的提问来源于stack exchange，提问作者Laughable oxen