为何Pandas中groupby与pivot_table计算mean的结果不一致？

问题原因排查 #

两种方法的计算逻辑存在本质差异，核心是前置聚合规则和加权逻辑不同： #

1. 隐含的前置聚合差异 #

pd.pivot_table不指定aggfunc参数时，默认会用aggfunc='mean'对「同一日期+同一市镇」的多条记录先做一次聚合：先算出该市镇当天的平均值，再填入透视表对应单元格。
而方法1没有这层前置聚合，会把当天所有单条记录直接纳入均值计算，不会按市镇分组提前合并。

2. 加权规则不一致 #

当存在同一日期同一个市镇有多条上报记录的情况时，两种方法的加权逻辑完全不同：

• 方法1：每条记录权重相同，均值 = 当天所有Total_reported总和 / 当天总记录条数
• 方法2：每个市镇权重相同，均值 = 当天所有市镇的单市镇均值总和 / 当天有上报记录的市镇数量
  举个简单示例就能看出差异：

假设2020-01-01当天有3条记录：

• A市2条上报值：0、10
• B市1条上报值：4
  方法1计算结果：(0+10+4)/3 ≈4.67
  方法2计算结果：((0+10)/2 + 4)/2 = 4.5

验证方案 #

你可以先对原始数据做聚合，确保「日期+市镇」组合唯一，再跑两种方法结果就会完全一致：

# 先按日期+市镇聚合，确保每个组合只有一条记录
df_unique = df.groupby([df.index, 'Municipality_name'])['Total_reported'].mean().reset_index(level=1)
# 方法1计算
res1 = df_unique.Total_reported.groupby(df_unique.index).mean()
# 方法2计算
df_pivot = pd.pivot_table(
    df_unique.reset_index(), 
    values='Total_reported', 
    index='Date_of_publication', 
    columns='Municipality_name'
)
res2 = df_pivot.mean(axis=1)
# 比较结果
print(res1.equals(res2)) # 输出为True

内容的提问来源于stack exchange，提问作者René