如何在pandas中筛选同时满足评分数量及平均分要求的合格门店数据

实现代码 #

import pandas as pd

# 原始数据构造
df = pd.DataFrame({'order_id': ['A1', 'A2', 'A3', 'A4', 'A5'], 
                   'customer_id': ['C1', 'C2', 'C3', 'C4', 'C5'], 
                   'store': ['Hardware1', 'Grocery3', 'Beauty5', 'Pet2', 'Electronics4'],
                   'price': [20.59, 38.97, 56.84, 89.88, 156.64],
                   'rating': [5, 4, 3,'NA',4]})

# 1. 预处理rating列：将字符串格式的'NA'转为pandas可识别的缺失值，同时统一为数值类型
df['rating'] = pd.to_numeric(df['rating'], errors='coerce')

# 2. 按门店分组，同时统计两个核心指标
# count方法自动忽略NaN，刚好统计有效评分数量；mean方法也自动忽略NaN计算平均值
store_stats = df.groupby('store', as_index=False)['rating'].agg(
    valid_rating_count = 'count',
    average_rating = 'mean'
)

# 3. 按两个规则筛选，提取符合条件的门店列表
qualified_stores = store_stats[
    (store_stats['valid_rating_count'] > 30) & 
    (store_stats['average_rating'] > 4)
]['store'].tolist()

说明 #

你之前尝试的promo.groupby('store')['rating']思路是正确的，仅需补充聚合统计和筛选步骤即可完成需求：

• 不需要自定义评分计算函数，pandas内置的分组聚合方法执行效率更高，逻辑也更简洁
• 预处理步骤是必要的：你示例中rating列的'NA'是字符串格式，直接计算会触发类型错误，pd.to_numeric的errors='coerce'参数会自动把所有无法转为数值的内容转为NaN，后续统计时会被自动忽略，不需要额外做缺失值过滤
• 你提供的测试数据中每个门店仅有1条有效评分，因此最终返回的qualified_stores为空列表，替换为真实全量数据后即可得到正确的促销门店列表。

内容的提问来源于stack exchange，提问作者Ravi