重复Custid记录的均值计算与Python代码实现咨询

输入数据表（Custid存在重复记录） #

需求说明 #

• 去除Custid的重复记录
• 对拥有多条记录的Custid，计算transactions和price字段的平均值
• 重新计算revenue，公式为：transactions平均值 × price平均值

预期输出表 #

原代码问题分析 #

原代码存在多处语法与逻辑错误：

1. 读取CSV时语法错误：df1 .pd.read_csv多了空格，且变量名、字符串未加引号
2. 列名引用错误：df1[custid]未给列名加引号，应为df1['Custid']
3. 逻辑偏差：用value_counts()仅能得到计数，未按Custid分组计算均值，反而误用全局均值
4. np.where参数不完整，无法实现按分组处理的逻辑

正确解决方案 #

使用Pandas的groupby按Custid分组，计算指定字段均值后重新生成revenue列：

import pandas as pd

# 读取数据（确保文件路径正确）
df1 = pd.read_csv("file1.csv")

# 按Custid分组，计算transactions和price的平均值
grouped_df = df1.groupby('Custid')[['transactions', 'price']].mean().reset_index()

# 重新计算revenue
grouped_df['revenue'] = grouped_df['transactions'] * grouped_df['price']

# 查看结果
print(grouped_df)

代码说明 #

• groupby('Custid')：按客户ID对数据分组
• [['transactions', 'price']].mean()：对分组后的交易数、价格字段分别计算平均值
• reset_index()：将分组后的索引转换为普通列，恢复Custid为数据列
• 最后通过两列相乘得到新的revenue值，完全匹配需求

内容的提问来源于stack exchange，提问作者user3369545