如何用Python循环计算重复ID对应的数值平均值

你的原代码存在几个明显问题：

• 循环里的ID[i+1]会在最后一条记录时触发索引越界错误，因为最后一个元素没有下一个元素
• 嵌套循环逻辑完全没处理数值的累加和计数，只是在找重复位置，根本没法计算平均值
• 嵌套循环时间复杂度是O(n²)，60万条数据跑起来会慢到离谱

直接给你两种高效的解决方案：

方案一：纯Python字典统计（无需第三方库） #

用字典存储每个ID的数值总和和出现次数，只需要遍历一次数据，时间复杂度O(n)，处理60万条数据毫无压力：

# 假设ID和Value是两个对应列表，比如：
# ID = ['a','a','b','b','b','c']
# Value = [1,3,3,4,5,1]

id_stats = {}

# 遍历所有记录，累加总和与计数
for id_, val in zip(ID, Value):
    if id_ in id_stats:
        id_stats[id_][0] += val
        id_stats[id_][1] += 1
    else:
        # 首次遇到该ID，初始化总和为当前值，计数为1
        id_stats[id_] = [val, 1]

# 计算并输出每个ID的平均值
for id_, (total, count) in id_stats.items():
    average = total / count
    print(f"Average {id_} = {average}")

方案二：用Pandas处理（大数据首选） #

Pandas专门针对这类分组统计做了极致优化，代码更简洁，处理60万条数据的速度比手动循环快几个量级：

import pandas as pd

# 把数据放进DataFrame，也可以直接从CSV/Excel读取：df = pd.read_csv('你的数据文件.csv')
df = pd.DataFrame({
    'ID': ['a','a','b','b','b','c'],
    'Value': [1,3,3,4,5,1]
})

# 按ID分组，直接计算平均值
average_result = df.groupby('ID')['Value'].mean()

# 输出结果
for id_, avg in average_result.items():
    print(f"Average {id_} = {avg}")

两种方案都能得到你要的结果：
Average a = 2，Average b = 4，Average c = 1

内容的提问来源于stack exchange，提问作者SatisG