如何简化Python Pandas中计算指定水果均价的循环代码？

需求：处理包含fruit（水果名称）和price（价格）列的DataFramefruits_list，计算指定列表chosen_fruits中每种水果的均价，并将结果存入字典。

原代码问题分析 #

你提供的代码虽然能运行，但逻辑存在错误：循环内的计算并未使用筛选后的当前水果数据，反而用了整个DataFrame的价格总和与全局水果计数，导致最终得到的均价并非目标水果的真实均价。同时代码冗余，手动遍历的写法效率较低。

简洁优化写法 #

利用Pandas的内置分组统计功能，无需手动循环，一步完成计算：

chosen_fruits = ["orange", "apple", "kiwi"]

# 筛选指定水果 → 分组计算均价 → 转为字典
fruit_total_data = (
    fruits_list[fruits_list["fruit"].isin(chosen_fruits)]
    .groupby("fruit")["price"]
    .mean()
    .to_dict()
)

关键优化点 #

• 用isin()快速筛选出chosen_fruits对应的行，替代手动逐行判断
• groupby("fruit")["price"].mean()直接按水果分组计算均价，避免手动求和、计数再除法的冗余步骤
• to_dict()直接将统计结果的Series转为目标字典，无需手动赋值

处理指定水果不存在的场景 #

如果chosen_fruits中可能包含fruits_list里没有的水果，需要保留这些水果的键（对应值设为NaN或默认值），可以用reindex：

chosen_fruits = ["orange", "apple", "kiwi", "mango"]

# 先计算所有水果的均价，再对齐指定水果列表
fruit_avg_series = fruits_list.groupby("fruit")["price"].mean()
# 不存在的水果均价设为NaN，若要设为0则添加fill_value=0
fruit_total_data = fruit_avg_series.reindex(chosen_fruits).to_dict()

内容的提问来源于stack exchange，提问作者Green Bicycle