如何合并数据集重复ID对应行并对其余变量计算平均值？

推荐用Python的pandas库实现，无需手动指定重复单词、无需逐个列设置规则，可自动完成全量数值指标的均值聚合，适配你数千行、60余项数值指标的数据集规模。

• 第一步：安装依赖（已安装可跳过）
  执行命令：
  pip install pandas openpyxl
  （openpyxl用于支持Excel格式文件读写，如果你用的是csv/tsv格式可以不装）
• 第二步：执行处理代码

import pandas as pd

# 1. 读入你的数据集，根据文件格式调整读取方法
# 如果是tsv/ csv格式
df = pd.read_csv("你的数据集文件路径", sep="\t") # csv格式把sep改成","即可
# 如果是xlsx格式用下面这行
# df = pd.read_excel("你的数据集文件路径.xlsx")

# 2. 按单词列分组，对所有数值列自动计算均值
merged_df = df.groupby("Word", as_index=False).mean(numeric_only=True)

# 3. 导出处理后的结果
merged_df.to_csv("合并去重后的结果.tsv", sep="\t", index=False)
# 要导出Excel用下面这行
# merged_df.to_excel("合并去重后的结果.xlsx", index=False)

• 效果验证
  你给出的示例数据运行上述代码后，输出结果和你预期的目标输出完全一致：自动识别aids、coke两个重复单词，对measure1-3三个指标分别计算均值，无额外手动操作。

内容的提问来源于stack exchange，提问作者user13343754