基于Pandas GroupBy按分组条件计算类别平均价格

1. 生成可复现的模拟数据 #

用pandas和numpy生成符合需求的测试数据，包含3个类别，其中A类20条数据，B、C类各150条，同时给B、C类加入少量异常值方便验证过滤逻辑：

import pandas as pd
import numpy as np

# 设置随机种子保证可复现
np.random.seed(42)

# 生成各类别数据
data = []
# A类：20条，价格服从正态分布
data.extend([("A", np.random.normal(50, 10)) for _ in range(20)])
# B类：150条，正常价格+3个异常值
b_prices = list(np.random.normal(60, 12, 147)) + [150, -20, 160]
data.extend([("B", p) for p in b_prices])
# C类：150条，正常价格+2个异常值
c_prices = list(np.random.normal(45, 8, 148)) + [100, -10]
data.extend([("C", p) for p in c_prices])

# 转为DataFrame
df = pd.DataFrame(data, columns=["category", "price"])

2. 实现带条件的分组平均计算 #

通过自定义聚合函数结合groupby.apply()实现需求逻辑：

def conditional_mean(group):
    group_size = len(group)
    if group_size > 100:
        # 计算组内均值和标准差
        mean_val = group.mean()
        std_val = group.std()
        # 过滤掉均值±3倍标准差外的数据
        filtered = group[(group >= mean_val - 3*std_val) & (group <= mean_val + 3*std_val)]
        return filtered.mean()
    else:
        # 直接返回全部数据的均值
        return group.mean()

# 执行分组计算
result = df.groupby("category")["price"].apply(conditional_mean).reset_index(name="avg_price")
print(result)

代码说明 #

• 自定义函数conditional_mean接收每个分组的price序列，先判断分组大小：
  • 当分组行数>100时，先计算组内均值和标准差，过滤超出均值±3σ的异常值后再求平均
  • 当分组行数≤100时，直接返回所有数据的均值
• 使用groupby.apply()将函数应用到每个分组，最后用reset_index()整理结果格式

验证结果 #

运行代码后，B、C类的平均价格会排除掉预设的异常值，A类则直接使用全部数据计算均值，完全符合需求。

内容的提问来源于stack exchange，提问作者glpsx