如何在Pandas中按bins对元组首元素分组并计算对应值？

以下是完整的实现步骤，基于你已经完成explode拆分的基础上：

1. 将拆分后的元组拆分为独立列 #

explode后每行是单个元组，需要把元组的两个元素拆成单独列，方便后续处理：

# 假设你已经执行过 df_exploded = df.explode('lists')
df_exploded[['value1', 'value2']] = pd.DataFrame(df_exploded['lists'].tolist(), index=df_exploded.index)

2. 过滤首元素为0的元组 #

直接筛选掉value1等于0的行：

df_filtered = df_exploded[df_exploded['value1'] != 0.0]

3. 按自定义Bins分组并计算均值 #

使用pd.cut将value1映射到你定义的bins区间，然后分组计算value2的均值：

# 用bins的右边界作为分组标签，匹配你期望的输出格式
df_filtered['bin_label'] = pd.cut(
    df_filtered['value1'],
    bins=bins,
    labels=bins[1:],  # 每个区间的右边界作为显示标签
    include_lowest=True  # 确保最小的非0值能被分到第一个bin
)

# 分组计算均值
result = df_filtered.groupby('bin_label')['value2'].mean()

4. 查看结果 #

此时result就是你需要的格式，直接打印即可：

print(result)

关键说明 #

• pd.cut的labels=bins[1:]确保输出的索引是每个bin的右边界，和你给出的示例一致
• 没有数据的bin会自动显示NaN，无需额外处理
• 如果需要其他统计量（比如求和、计数），只需把.mean()换成对应的方法（.sum()、.count()等）

内容的提问来源于stack exchange，提问作者apk19