如何按国家与ESG类别计算2012-2021年ESG值的平均值？

问题背景 #

现有数据集包含10个国家、29个ESG类别（对应Series Name字段）、2012-2021年的时间序列数据，每个国家-年份-ESG类别组合都有对应的ESG Value。需求是计算每个国家下，各ESG类别在2012-2021年间的ESG值平均值。

原代码问题分析 #

你之前的代码：

mean_value = df.groupby('Series Name')[['Year', 'ESG Value']].mean()

存在两个核心问题：

1. 仅按Series Name分组，未加入Country Name，无法区分不同国家的同一ESG类别数据
2. 对Year列计算均值无意义，年份是离散标识字段，且该操作可能因数据类型异常导致返回inf（无穷大）结果

正确实现代码 #

1. 分组计算均值 #

按国家+ESG类别双维度分组，仅对ESG Value计算平均值：

# 分组计算均值，重置索引为普通列
mean_values = df.groupby(['Country Name', 'Series Name'])['ESG Value'].mean().reset_index()

• groupby(['Country Name', 'Series Name'])：确保每个分组是「某国某ESG类别」的所有年份数据
• ['ESG Value'].mean()：仅针对目标数值列计算均值，避免无效计算
• reset_index()：将分组后的索引转为普通列，方便后续处理

2. 格式化输出结果 #

如果需要像示例那样输出结构化字符串，可遍历结果行：

# 遍历结果，按指定格式打印
for _, row in mean_values.iterrows():
    # 保留4位小数，可根据需求调整
    print(f"{row['Country Name']} - {row['Series Name']} - Year 2012~2021 - ESG mean = {row['ESG Value']:.4f}")

示例输出效果 #

运行后会得到类似如下的结果：

China - CO2 emissions (metric tons per capita) - Year 2012~2021 - ESG mean = X.XXXX
China - Control of Corruption: Estimate - Year 2012~2021 - ESG mean = X.XXXX

内容的提问来源于stack exchange，提问作者James Hong