如何基于station和time分组计算指定组别组合的均值？

需要在Pandas DataFrame中，按station和time分组后，计算每组内A&B、B&C、A&C这三组组合的value列均值，同时保留整体均值。目前已实现整体均值计算，但计算指定组别组合均值时返回NaN值。

数据集示例 #

station group groupA groupB groupC value time
1       A     A       nan    nan   4     30
1       B     nan     B      nan   7     30
1       C     nan     nan    C     6     30
2       A     A       nan    nan   5     30
2       B     nan     B      nan   3     30
2       C     nan     nan    C     1     30
3       A     A       nan    nan   2     30
3       B     nan     B      nan   3     30
3       C     nan     nan    C     4     30
....

已实现的整体均值代码 #

# 计算每个station+time组的整体均值，此代码正常运行
df['mean_allstations'] = df.groupby(['station','time'])['value'].transform('mean')

尝试失败的代码（返回NaN） #

# 尝试计算每个station+time组内A和B的均值，但返回全NaN列
df['mean_AB'] = df.groupby(['station','time', 'groupA', 'groupB'])['value'].transform('mean')

期望输出 #

station group groupA groupB groupC value time meanAB meanAC meanBC ALLme
1       A     A       nan    nan   4     30   5.5     5     6.5     5.6
1       B     nan     B      nan   7     30   5.5     5     6.5     5.6
1       C     nan     nan    C     6     30   5.5     5     6.5     5.6
2       A     A       nan    nan   5     30   4       3     2       3
2       B     nan     B      nan   3     30   4       3     2       3
2       C     nan     nan    C     1     30   4       3     2       3
3       A     A       nan    nan   2     30   2.5     3     3.5     3
3       B     nan     B      nan   3     30   2.5     3     3.5     3
3       C     nan     nan    C     4     30   2.5     3     3.5     3

问题原因 #

之前的代码返回NaN，是因为groupA、groupB列存在大量缺失值，按这些列分组后，每个子组仅包含单一行数据（比如A组的行只有groupA有值，其余列均为NaN），无法有效计算均值，最终返回NaN。

实现方法 #

核心逻辑是在每个station+time分组内，筛选出目标group的行计算均值，再将结果广播到分组内所有行，以下提供两种可行方案：

方案1：自定义函数+groupby.apply

def calculate_group_means(group):
    # 计算A&B组合均值：筛选group为A、B的行
    group['meanAB'] = group[group['group'].isin(['A', 'B'])]['value'].mean()
    # 计算A&C组合均值：筛选group为A、C的行
    group['meanAC'] = group[group['group'].isin(['A', 'C'])]['value'].mean()
    # 计算B&C组合均值：筛选group为B、C的行
    group['meanBC'] = group[group['group'].isin(['B', 'C'])]['value'].mean()
    # 整体均值
    group['ALLme'] = group['value'].mean()
    return group

# 应用到每个station+time分组
df = df.groupby(['station', 'time']).apply(calculate_group_means).reset_index(drop=True)

方案2：transform结合lambda（更简洁）

# 计算A&B均值
df['meanAB'] = df.groupby(['station','time'])['value'].transform(
    lambda x: x[df.loc[x.index, 'group'].isin(['A','B'])].mean()
)
# 计算A&C均值
df['meanAC'] = df.groupby(['station','time'])['value'].transform(
    lambda x: x[df.loc[x.index, 'group'].isin(['A','C'])].mean()
)
# 计算B&C均值
df['meanBC'] = df.groupby(['station','time'])['value'].transform(
    lambda x: x[df.loc[x.index, 'group'].isin(['B','C'])].mean()
)
# 整体均值
df['ALLme'] = df.groupby(['station','time'])['value'].transform('mean')

效果验证 #

两种方案均能得到符合期望的输出，解决了原代码返回NaN的问题，同时保留了整体均值的计算逻辑。

内容的提问来源于stack exchange，提问作者cl_gre