如何用Pandas计算前n行value_counts()的均值并生成新列

你可以通过向量化操作高效实现需求，无需循环，避免大数据量下的性能问题。核心思路是：value_counts()的均值等价于「累计行数」除以「累计唯一值数量」（因为value_counts()的和就是累计行数，均值=总和/唯一值个数）。

实现代码 #

import pandas as pd

data = [["2022-11-1", 'Tom'], ["2022-11-2", 'Mike'], ["2022-11-3", 'Paul'], ["2022-11-4", 'Pauline'], ["2022-11-5", 'Pauline'], ["2022-11-6", 'Mike'], ["2022-11-7", 'Tom'], ["2022-11-8", 'Louise'], ["2022-11-9", 'Tom'], ["2022-11-10", 'Mike'], ["2022-11-11", 'Paul'], ["2022-11-12", 'Pauline'], ["2022-11-13", 'Pauline'], ["2022-11-14", 'Mike'], ["2022-11-15", 'Tom'], ["2022-11-16", 'Louise']]
df = pd.DataFrame(data, columns=['Date', 'Name'])

# 计算到当前行为止的唯一名称数量
df['Unique_Count'] = (~df['Name'].duplicated(keep='first')).cumsum()
# 计算Mean列：累计行数（索引+1）除以唯一值数量
df['Mean'] = (df.index + 1) / df['Unique_Count']

# 验证你提到的1.25
print(df.loc[4, 'Mean'])  # 输出1.25，对应示例中的目标值

逻辑解释 #

1. ~df['Name'].duplicated(keep='first')：标记每个名称的首次出现（True为首次，False为重复）
2. .cumsum()：累计求和，得到每行对应的「到当前行为止的唯一名称总数」
3. (df.index + 1) / df['Unique_Count']：累计行数（从1开始计数）除以唯一名称数，等价于value_counts()的均值（因为value_counts()的总和是累计行数，均值=总和/唯一值个数）

验证结果 #

对于你提到的示例值1.25，对应第5行（索引4）：

• 前5行（索引0-4）的Name为['Tom', 'Mike', 'Paul', 'Pauline', 'Pauline']
• 唯一名称有4个，累计行数5，均值=5/4=1.25，完全符合需求。

内容的提问来源于stack exchange，提问作者user19783276