如何按狩猎名称分组并批量计算对应成功率的平均值？

推荐用Pandas实现（更简洁高效） #

直接利用分组统计功能，一步到位：

import pandas as pd

# 读取你的数据集（根据实际格式调整，比如CSV/Excel）
df = pd.read_csv('hunt_data.csv')

# 按狩猎名称分组，计算'% success'的平均值
avg_success_by_hunt = df.groupby('Species')['% success'].mean()

# 查看结果
print(avg_success_by_hunt)

如果一定要用Numpy实现 #

需要手动处理分组筛选，示例代码如下：

import numpy as np
import pandas as pd  # 用Pandas读结构化数据更便捷，纯Numpy处理会繁琐很多

df = pd.read_csv('hunt_data.csv')
# 获取所有唯一的狩猎名称
unique_species = np.unique(df['Species'].values)

# 遍历计算每个名称的平均成功率
success_avg = {}
for species in unique_species:
    # 筛选当前狩猎名称的所有记录
    mask = df['Species'] == species
    success_values = df.loc[mask, '% success'].values
    # 计算均值并存入字典
    success_avg[species] = np.mean(success_values)

# 输出结果
for sp, avg in success_avg.items():
    print(f"{sp}: {round(avg, 2)}%")

注：如果之前用Numpy失败，大概率是没处理好分组筛选的逻辑——Numpy本身没有内置的分组统计函数，需要手动遍历唯一值并筛选对应数据再计算均值，而Pandas的groupby是专门为这类场景设计的，更适合处理带分类标签的结构化数据。

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