Pandas按相同category列值分组计算行均值，寻求更优实现方案

最优实现方案 #

直接使用Pandas内置的分组聚合+索引对齐逻辑即可，完全替代手动循环，代码简洁且性能更高：

copy_dfs = {}
for k, min_df in minor_dfs.items():
    # 按category分组求所有数值列均值，再用major的category列重索引保证顺序和空值填充逻辑
    copy_dfs[k] = min_df.groupby('category').mean(numeric_only=True).reindex(major_df['category'])

如果需要输出保留两位小数，直接追加.round(2)即可：

copy_dfs[k] = min_df.groupby('category').mean(numeric_only=True).reindex(major_df['category']).round(2)

逻辑说明 #

1. groupby('category').mean(numeric_only=True) 自动按category分组计算所有数值列的均值，自动将category列设为结果索引，无需手动删除category列
2. reindex(major_df['category']) 强制结果索引和major_df的category列完全对齐，若某个category在当前minor_df中无数据，会自动填充NaN，完全匹配你原逻辑的初始化效果
3. 全程无显式Python层循环，底层基于Pandas优化的向量化操作实现，数据量越大，性能优势比手动遍历category越明显。

内容的提问来源于stack exchange，提问作者D. LaRocque