如何按分类列分组计算DataFrame各分组数值的平均值？

针对你的两列DataFrame场景，直接用pandas内置的分组聚合逻辑就能实现，不需要手动提前去重name列，分组操作会自动将相同name的行归为同一类做统计。

最推荐的标准写法 #

这个写法输出结构最规整，可读性最高：

import pandas as pd

# df是你存储原始数据的DataFrame变量
avg_result = df.groupby('name', as_index=False)['value'].mean()

参数说明：

• as_index=False：分组使用的name列会作为普通列保留在结果中，不会被设为结果表的行索引，和原始表的列结构保持一致
• ['value'].mean()：指定对每个name分组下的value列计算算术平均值，默认会自动跳过列中的空值不参与计算

用你给出的样例数据测试，name为a的两行value分别是5和3，最终计算得到的平均值为4，符合预期；仅出现一次的name（比如样例里的b、c），计算结果就是其对应的value本身。

其他可选写法 #

如果你不介意name列暂时作为结果的行索引，可以用更简短的写法：

avg_result = df.groupby('name')['value'].mean()

如果后续需要把索引转回普通列，链式调用reset_index()即可：

avg_result = df.groupby('name')['value'].mean().reset_index()

扩展场景 #

如果你需要同时对每个name计算多个统计指标（比如平均值、总和、数据条数），可以用agg方法传入多个统计函数：

# 一次性得到每个name对应的value平均值、求和值、样本计数
multi_stat_result = df.groupby('name', as_index=False)['value'].agg(['mean', 'sum', 'count'])

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