Python如何实现条件均值 按指定列阈值分组计算对应列均值

针对你要按年龄阈值分段算平均薪资的需求，给两个最常用的实现方案，按需选就行。

方法1：布尔索引直接筛选（新手友好，逻辑直观） #

核心思路就是先通过布尔条件筛出符合年龄要求的行，再直接对薪资列调用均值方法，代码可读性最高，刚上手也不容易写错。

import pandas as pd

# 示例DataFrame，替换成你自己的实际数据即可
df = pd.DataFrame({
    'age': [24, 36, 40, 47, 29, 53, 33],
    'salary': [7500, 16000, 21000, 27000, 14000, 32000, 18000]
    # 剩余两列字段不参与计算，不需要额外处理
})

# 计算40岁以下人群平均薪资，不包含40岁
salary_under_40 = df[df['age'] < 40]['salary'].mean()
# 计算40岁以上人群平均薪资，要包含40岁就把>替换为>=
salary_over_40 = df[df['age'] > 40]['salary'].mean()

小提醒：尽量保持「先筛选行、再取目标列」的写法顺序，避免触发pandas的链式索引警告，后续如果需要修改筛选后的数据也不容易出逻辑bug。默认情况下mean()方法会自动跳过age、salary列中的空值，不需要手动写判空逻辑。

方法2：分箱分组计算（多分段场景更高效） #

如果后续你需要加更多年龄分段（比如30以下、30-40、40-50、50以上），不用反复写筛选条件，用分箱+分组统计的方式一次性就能出所有分段的结果，数据量越大效率优势越明显：

# 按年龄阈值切分分箱
df['age_segment'] = pd.cut(
    df['age'],
    bins=[0, 40, float('inf')], # 分段边界，可自行加更多阈值
    labels=['40岁及以下', '40岁以上'] # 对应分段的名称，和bins边界一一对应
)
# 按分组直接计算各段平均薪资
segment_salary_mean = df.groupby('age_segment')['salary'].mean()

避坑提示 #

• 不要写for循环逐行判断累加算均值，pandas的内置向量化方法比手写循环快数十倍，数据量过万的时候差距会非常明显
• 写阈值条件的时候注意边界逻辑：需要包含40岁就用<=/>=，不需要包含就用</>，避免统计口径错了

内容的提问来源于stack exchange，提问作者timmtamsar