如何用Pandas批量处理多份CSV文件并计算学生平均成绩

我来帮你搞定这个需求！你需要将三个记录作业成绩的CSV文件合并，按Student id分组计算Mark的平均值，同时保留学生的其他附加字段。这里默认一个前提：每个学生的附加字段（extra fields）在所有文件里是一致的，这样我们可以安全地保留这些字段。

下面是比逐行遍历更高效简洁的实现步骤：

1. 批量读取并合并所有CSV文件 #

先把所有CSV文件的路径整理成列表，用pandas.concat()一次性合并成一个大的DataFrame，不用单独处理每个文件：

import pandas as pd

# 把你的三个CSV文件路径放到这里
csv_paths = ['first.csv', 'second.csv', 'third.csv']

# 批量读取并合并所有文件
combined_df = pd.concat([pd.read_csv(path) for path in csv_paths], ignore_index=True)

2. 按学生ID分组计算平均分并保留附加字段 #

接下来按Student id分组，对Mark列计算平均值，其他附加字段因为每个学生是唯一的，我们取每组里的第一个值（或者最后一个，结果都一样）：

# 定义聚合规则：Mark取平均值，其他字段取第一个出现的值
agg_rules = {
    'Mark': 'mean',
}
# 自动把其他字段加入聚合规则，取第一个值
for col in combined_df.columns:
    if col not in ['Student id', 'Mark']:
        agg_rules[col] = 'first'

# 执行分组聚合
result_df = combined_df.groupby('Student id', as_index=False).agg(agg_rules)

# 把平均分的列名改成你要的`average`，并调整列顺序
result_df.rename(columns={'Mark': 'average'}, inplace=True)
# 确保Student id和average排在最前面
final_cols = ['Student id', 'average'] + [col for col in combined_df.columns if col not in ['Student id', 'Mark']]
result_df = result_df[final_cols]

3. 输出或保存结果 #

最后可以打印结果，或者保存成新的CSV文件：

# 打印结果
print(result_df)

# 保存到新的CSV文件（不保留索引）
result_df.to_csv('student_average_scores.csv', index=False)

为什么不推荐逐行遍历？ #

你之前用iterrows()的方法虽然能实现，但Pandas的矢量化操作（比如分组聚合）效率要高得多，尤其是数据量大的时候，而且代码更简洁易维护，后续如果要加更多CSV文件，只要在csv_paths里加路径就行，不用改其他代码。

如果你的附加字段在不同文件里有可能不一致，那可以提前处理冲突（比如标记差异、取众数等），不过从你的示例来看，应该每个学生的附加字段是固定的，上面的方法完全适用。

内容的提问来源于stack exchange，提问作者Jose Ramon