如何在pandas DataFrame中计算各年份平均User Rating并找出最高值年份

你可以直接用Pandas内置的groupby聚合方法完成需求，不需要手动遍历唯一年份，代码更简洁执行效率也更高：

最优实现方案 #

import pandas as pd
import numpy as np

# 先修正你之前代码的小问题：df.['Year']多了多余的点，正确写法为df['Year']
# 1. 按Year分组，计算每组User Rating的平均值
year_avg_rating = df.groupby('Year')['User Rating'].mean()

# 2. 直接获取平均评分最高的年份和对应评分
max_rating_year = year_avg_rating.idxmax()
max_rating = year_avg_rating.max()

print(f"平均评分最高的年份：{max_rating_year}，对应平均评分：{max_rating:.2f}")

如果你需要先查看所有年份的平均评分排序，可以追加以下代码：

# 按平均评分降序输出所有年份的统计结果
sorted_year_rating = year_avg_rating.sort_values(ascending=False)
print(sorted_year_rating)

备选方案（沿用你现有的唯一年份列表逻辑） #

如果你要沿用你已经拿到的唯一年份列表的思路手动遍历计算，可以用以下代码实现：

import numpy as np

years = df['Year'].unique()
years = np.sort(years)

year_rating_dict = {}
for y in years:
    # 筛选当前年份的所有User Rating记录，计算均值
    current_avg = df[df['Year'] == y]['User Rating'].mean()
    year_rating_dict[y] = current_avg

# 从字典中取出值最大的键（即平均评分最高的年份）
max_rating_year = max(year_rating_dict, key=year_rating_dict.get)
max_rating = year_rating_dict[max_rating_year]

注意事项 #

Pandas的mean()方法默认会自动忽略NaN空值，不需要额外做空值过滤；如果你需要排除空值记录后再统计，可以提前执行df = df.dropna(subset=['User Rating', 'Year'])做数据清洗。 #

内容的提问来源于stack exchange，提问作者a002k