Pandas如何按月分组统计DataFrame中词列表对应分数均值

核心逻辑：避免逐词循环，先对每行Message内的词语去重（同一行重复出现的词仅统计1次，避免重复计入该行Score），再将词语拆分到独立行，最后分组聚合计算均值即可。

完整实现代码 #

首先构造示例测试数据：

import pandas as pd

# 示例原始数据
df = pd.DataFrame({
    'Message': [["a", "a", "b", "c"], ["a", "b", "d", "e"], ["b", "b", "d", "e"]],
    'Score': [5, 4, 4],
    'Month': [1, 1, 1]
})
# 目标词语列表
target_words = ["a", "b", "c", "d", "e"]

核心处理流程：

# 1. 对每行Message的词语去重，避免同个词在同一行多次出现导致重复统计
df['word'] = df['Message'].apply(lambda x: list(set(x)))
# 2. 将列表形式的词语拆分为单独行，每行对应一个词语
df_explode = df.explode('word')
# 3. 仅保留目标词列表范围内的词语
df_explode = df_explode[df_explode['word'].isin(target_words)]
# 4. 按月份、词语分组计算Score均值，保留2位小数匹配预期格式
result = df_explode.groupby(['Month', 'word'], as_index=False)['Score'].mean().round(2)
# 调整列名和要求一致
result.columns = ['month', 'word', 'avg_score']

运行后输出结果：

month word  avg_score
0      1    a       4.50
1      1    b       4.33
2      1    c       5.00
3      1    d       4.00
4      1    e       4.00

注：你给出的预期结果中d、e的均值标注为4.5属于注释笔误，按照需求规则（词语出现在哪几行就取哪几行的Score计算均值），d、e仅出现在Score为4的第2、3行，正确均值为4.0。

可选扩展：补全所有月份+目标词组合 #

如果需要保证每个月都展示全部目标词的统计结果，哪怕某个词当月没有在任何Message中出现，可以用如下代码补全索引，缺失值默认显示NaN：

from itertools import product

# 生成所有月份+目标词的完整组合索引
full_pair = pd.MultiIndex.from_tuples(
    product(df['Month'].unique(), target_words),
    names=['month', 'word']
)
# 重索引补全缺失组合
result = result.set_index(['month', 'word']).reindex(full_pair).reset_index()

原有代码问题说明 #

你之前的写法存在两个局限：

• 没有加入Month维度的分组逻辑，只能统计全量数据的均值
• 逐词循环遍历+逐次过滤DataFrame的写法执行效率低，数据量较大时运行速度慢
  上面给出的explode+groupby的写法是pandas原生向量化实现，执行效率更高，逻辑也更清晰。

内容的提问来源于stack exchange，提问作者rbar1