pandas数据框遍历计算回答平均位置及问答间隔均值方法

不需要手动遍历DataFrame，直接用pandas内置的向量化操作和分组逻辑即可高效完成两项指标计算，具体实现如下：

第一步：构造示例测试数据 #

import pandas as pd

# 匹配题目给出的示例数据
data = [
    [1, "你好，我叫约翰", 1, 0, 0],
    [1, "你最近怎么样？", 2, 0, 1],
    [1, "我很好，谢谢", 3, 1, 0],
    [2, "你好，请问我能为你做什么？", 1, 0, 1],
    [2, "我想点一份披萨", 2, 1, 0],
    [3, "你好，先生", 1, 0, 0],
    [3, "你好", 2, 0, 0],
    [3, "请问需要什么帮助？", 3, 0, 1],
    [3, "我想要一杯咖啡", 4, 1, 0]
]
df = pd.DataFrame(data, columns=["ID", "Sentences", "Interaction_Number", "Answer", "Question"])

第二步：计算两项统计指标 #

指标1：所有回答的平均交互位置 #

直接筛选Answer=1的记录，对交互序号列求均值即可：

avg_answer_position = df[df["Answer"] == 1]["Interaction_Number"].mean()

指标2：问题到对应回答的平均交互间隔 #

核心逻辑：按会话ID分组，在每个会话内部按交互序号排序后，为每个问题匹配同会话内排在它之后、距离最近的回答，计算两者的交互序号差值，最后对所有差值求均值：

# 先确保每个会话内记录按交互序号升序排列
df = df.sort_values(by=["ID", "Interaction_Number"]).reset_index(drop=True)

# 为每条记录匹配同组内后续最近回答的交互位置：用bfill向后填充回答的位置
df["nearest_following_answer_pos"] = df.groupby("ID", group_keys=False).apply(
    lambda group: group["Interaction_Number"].where(group["Answer"] == 1).bfill()
)

# 筛选所有问题记录，计算间隔后求均值
avg_qa_gap = df[df["Question"] == 1].apply(
    lambda row: row["nearest_following_answer_pos"] - row["Interaction_Number"], axis=1
).mean()

结果验证 #

运行代码打印结果：

print(f"回答平均出现位置：{avg_answer_position}")
print(f"问题到回答的平均交互间隔：{avg_qa_gap}")

输出为：

回答平均出现位置：3.0
问题到回答的平均交互间隔：1.0

和题目给出的手动计算结果完全一致。

补充说明：如果你的数据中存在部分问题没有后续对应回答的场景，计算间隔前先过滤nearest_following_answer_pos为空的记录即可，避免空值干扰统计结果。

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