Pandas如何不分组按另一列去重计数计算指定列平均值

你当前的实现逻辑是成立的，只需要把手动计算唯一值长度的部分替换为pandas原生接口，就可以得到更严谨、更符合pandas设计规范的写法，全程不需要使用groupby操作，也可以直接输出你要求的仅含目标列、单行存储结果的DataFrame。

核心优化点 #

• 替换唯一值计数逻辑：你当前使用的len(df['CustomerID'].unique())可以替换为pandas内置的Series.nunique()方法，这是官方专门提供的唯一值计数接口，默认自动排除空值，性能和鲁棒性都优于手动取unique()后计算长度的写法。
• 结果格式适配：直接通过DataFrame构造方法包装计算结果，即可得到符合要求的输出结构。

完整实现代码 #

首先复现你的样例数据：

import pandas as pd

df = pd.DataFrame({
    'OrderQuantity': [10, 9, 8, 14, 3],
    'CustomerID': [1214, 1214, 1213, 1213, 1213]
})

核心计算逻辑：

# 计算逻辑：sum(OrderQuantity) / count(distinct CustomerID)
result = pd.DataFrame({
    'OrderQuantity': [df['OrderQuantity'].sum() / df['CustomerID'].nunique()]
})

输出的result结果如下，完全符合你要求的格式：

OrderQuantity
0           22.0

参数说明 #

如果你的分类列（示例中的CustomerID）存在空值，且业务上需要将空值视为一个独立分类参与计数，可以给nunique()传入dropna=False参数，即写为df['CustomerID'].nunique(dropna=False)，该场景下默认的len(unique())写法虽然也会将NaN计为一个值，但不支持灵活调整是否排除空值，适配性弱于原生接口。

内容的提问来源于stack exchange，提问作者Judy T Raj