如何用Python Pandas计算符合指定条件的车型平均价格并返回元组？

你的初始代码存在几个明显问题：

• 未先筛选符合条件的数据，直接分组会包含大量无关行
• groupby的列参数错误，不存在criteria列，且你实际需要按品牌分组计算均值
• mean是方法需加括号调用mean()，而非直接引用方法对象
• 函数内代码缺少缩进（违反Python语法要求）

以下是修正后的完整实现：

import pandas as pd

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

def get_avg_prices():
    # 1. 筛选符合条件的行：品牌为Honda/Toyota、车况good、车型sedan
    filtered_data = df[
        (df['manufacturer'].isin(['Honda', 'Toyota'])) &
        (df['condition'] == 'good') &
        (df['type'] == 'sedan')
    ]
    
    # 2. 按品牌分组，计算对应平均价格
    brand_avg_prices = filtered_data.groupby('manufacturer')['price'].mean()
    
    # 3. 按指定品牌顺序转换为元组（确保Honda在前、Toyota在后）
    # 若无需固定顺序，直接用tuple(brand_avg_prices.values)即可
    return (brand_avg_prices['Honda'], brand_avg_prices['Toyota'])

关键步骤说明： #

• 数据筛选：用布尔索引组合三个条件，isin()用于匹配多个品牌值，&表示逻辑与（注意括号不能省略，避免运算符优先级错误）
• 分组计算：仅按manufacturer分组，提取price列后调用mean()得到均值，结果是一个Series，索引为品牌名，值为对应平均价格
• 转换元组：如果需要固定顺序的结果，直接通过索引取值；若不关心顺序，tuple(brand_avg_prices.values)也能得到符合要求的元组

简化写法提示： #

可以用query()方法简化筛选代码，可读性更强：

filtered_data = df.query("manufacturer in ['Honda', 'Toyota'] and condition == 'good' and type == 'sedan'")

内容的提问来源于stack exchange，提问作者Mike Zhao