Pandas中计算DataFrame多列日均值并插入对应均值行的方法

核心逻辑分4步走，无冗余代码，复用性高：

• 自动过滤需要计算均值的数值列，排除date、time两个非计算列
• 按date字段分组一次性算出所有日期的数值列均值
• 逐组拼接原始数据和符合格式要求的均值行
• 合并所有分组得到最终结果

可直接运行的代码 #

假设你已经读取完成的DataFrame变量名为df：

import pandas as pd

# 筛选参与均值计算的列：排除date、time，仅保留数值类型列
calc_cols = df.select_dtypes(include=["number"]).columns.difference(["date", "time"]).tolist()

# 按date分组计算各数值列日均值，sort=False保留原表日期出现顺序
daily_avg = df.groupby("date", sort=False)[calc_cols].mean().reset_index()

output_chunks = []
# 遍历每个日期的原始分组
for current_date, group_data in df.groupby("date", sort=False):
    # 提取当前日期对应的均值
    current_avg = daily_avg[daily_avg["date"] == current_date].iloc[0].to_dict()
    # 按要求填充均值行的固定字段
    current_avg["date"] = "Average"
    current_avg["time"] = pd.NA
    # 原始分组末尾追加均值行，存入结果块
    output_chunks.append(
        pd.concat([group_data, pd.DataFrame([current_avg])], ignore_index=True)
    )

# 拼接所有块得到最终表
final_df = pd.concat(output_chunks, ignore_index=True)

常见调整说明 #

• 如果需要指定均值保留的小数位数，修改计算daily_avg的行即可，比如保留2位小数就写成df.groupby("date", sort=False)[calc_cols].mean().round(2).reset_index()
• 如果你的time列是字符串类型，把pd.NA换成空字符串""即可
• 非数值类型的其他列（比如备注、标签类列）会在均值行自动留空，不需要额外处理

内容的提问来源于stack exchange，提问作者macb2001