如何对DataFrame双层切片快速计算学生在各学习小组的平均答题表现

直接使用pandas内置的分组聚合能力即可完成需求，无需手动逐一切片，性能提升非常明显：

核心代码 #

import pandas as pd

# 假设你的原始数据集存储在变量df中
# 按学习小组、学生两个维度分组，直接对布尔型的answer列求均值，自动计算正确率
result_df = df.groupby(
    ["study_group", "student"], 
    as_index=False
)["answer"].mean().rename(columns={"answer": "Average"})

# 可选：按需求保留两位小数，匹配示例输出格式
result_df["Average"] = result_df["Average"].round(2)

可选过滤：仅保留加入多个小组的学生 #

如果后续只需要分析多小组学生的表现差异，可以额外加一层过滤：

# 统计每个学生加入的不同小组数量
student_group_count = df.groupby("student")["study_group"].nunique()
# 筛选出加入2个及以上小组的学生ID
multi_group_stu_ids = student_group_count[student_group_count >= 2].index
# 过滤结果集
multi_group_result = result_df[result_df["student"].isin(multi_group_stu_ids)]

性能说明 #

上述方案基于pandas底层向量化运算实现，避免了Python层的循环遍历开销，相比手动切片的方案性能提升10~100倍，即使处理百万行级别的数据集也可以快速完成计算。

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