如何在不修改原数据集的前提下删除指定行并计算特定列平均值

问题分析 #

你的代码存在两个核心问题：

• Pandas的drop()方法默认返回新的DataFrame，不会修改原数据集，但你没有将返回结果赋值给变量，相当于白执行了删除操作。
• Nba.drop([25,72,63],axis=0),['Age'].mean()是语法错误，逗号分隔的写法无法实现链式操作，正确逻辑应该是先获取删除指定行后的数据集，再选取目标列计算平均值。

正确实现代码 #

以下两种方法都不会修改原数据集，仅基于原数据生成子集计算平均值：

方法1：链式调用drop()与列选取

import pandas as pd
import numpy as np

# 读取原数据集，原数据全程保持不变
nba = pd.read_csv(r"C:\Users\User\Downloads\nba.CSV")
# 删除指定行后直接计算Age列平均值
age_average = nba.drop([25, 72, 63], axis=0)['Age'].mean()
print(age_average)

方法2：用.loc排除指定索引行

如果担心drop()的索引定位问题，可以用isin()配合布尔索引排除目标行：

import pandas as pd
import numpy as np

nba = pd.read_csv(r"C:\Users\User\Downloads\nba.CSV")
# 排除索引为25、72、63的行，计算Age列平均值
age_average = nba.loc[~nba.index.isin([25, 72, 63]), 'Age'].mean()
print(age_average)

注意事项 #

• Python是大小写敏感语言，变量名NBA和Nba会被视为不同变量，建议保持命名统一（比如全小写nba）。
• 两种方法都不会修改原nba数据集，完全符合你"不修改原数据集"的需求。

内容的提问来源于stack exchange，提问作者Debanjan Ghosh