如何用Python Pandas计算满足多条件的车型平均价格？

你的初始代码存在几个问题：

• 函数内部代码没有缩进，这在Python里会直接触发语法错误
• groupby里的'criteria'列不存在，你的需求里并没有这个字段
• 没有先过滤符合条件的数据，直接分组会包含所有不符合要求的记录
• mean是方法，需要加括号调用，且语法应为['price'].mean()（或.price.mean()）

以下是完善后的代码，完全匹配你的需求：

import numpy as np 
import pandas as pd 

df = pd.read_csv("vehicles.csv")

def get_avg_prices():
    # 筛选符合所有条件的数据
    filtered_df = df[
        (df['manufacturer'].isin(['Honda', 'Toyota'])) &
        (df['condition'] == 'good') &
        (df['type'] == 'sedan')
    ]
    # 按厂商分组，计算对应车型的平均价格
    avg_prices = filtered_df.groupby('manufacturer')['price'].mean()
    return avg_prices

# 调用函数并打印结果
print(get_avg_prices())

代码说明： #

1. 数据筛选：用布尔索引组合三个条件，isin()用于匹配多个厂商值，&表示逻辑与（注意每个条件要单独加括号）
2. 分组计算：只需要按manufacturer分组即可，因为你需要的是Honda和Toyota各自的平均价格，不需要多余的分组字段
3. 结果格式：最终返回的是一个Series，索引是厂商名称，值是对应符合条件车型的平均价格；如果需要转换成DataFrame格式方便查看，可以在分组后添加.reset_index()：

avg_prices = filtered_df.groupby('manufacturer')['price'].mean().reset_index()

内容的提问来源于stack exchange，提问作者Mike Zhao