pandas如何计算表格中重复出现的技术对应的INCOME字段均值

前置操作 #

首先导入依赖并读取数据源：

import pandas as pd
# 读取数据，excel格式可替换为pd.read_excel("你的文件路径.xlsx")
df = pd.read_csv("你的数据文件路径.csv")

注：请将代码中的「技术字段名」替换为你表格中存储技术类别的列的实际名称

场景1：存在完全重复行（相同技术+相同INCOME重复录入） #

先去重再分组计算均值，无重复行可跳过去重步骤：

# 按技术列和INCOME列去重，需要保留其他字段维度可调整subset参数
df_dedup = df.drop_duplicates(subset=["技术字段名", "INCOME"])
# 按技术分组计算INCOME均值，并重命名结果列
result = df_dedup.groupby("技术字段名", as_index=False)["INCOME"].mean().rename(columns={"INCOME": "INCOME_均值"})

场景2：单条记录存储多个技术（如技术列用逗号/顿号分隔多个技术值） #

先拆分技术列转为单行单技术，再分组计算：

# 拆分技术列并转为多行，分隔符可根据实际情况替换为顿号、空格等
df_explode = df.assign(技术字段名=df["技术字段名"].str.split(",")).explode("技术字段名")
# 去除技术名前后多余空格
df_explode["技术字段名"] = df_explode["技术字段名"].str.strip()
# 分组计算均值
result = df_explode.groupby("技术字段名", as_index=False)["INCOME"].mean().rename(columns={"INCOME": "INCOME_均值"})

结果导出 #

需要将结果保存为文件可执行：

result.to_csv("技术类别收入均值结果.csv", index=False)

内容的提问来源于stack exchange，提问作者ALiCe P.