Python中如何按分组计算平均值并生成目标结果表格

方法1：仅使用Python标准库实现 #

无需安装额外第三方依赖，直接通过原生逻辑实现分组统计：

• 跳过表头遍历原数据，按国家维度累加分数、统计条目数
• 计算每个国家的平均分后，拼接表头生成最终结果

table = [['Country', 'Points'], ['Spain', '7'], ['Spain', '9'], ['Germany', '1'], ['Germany', '3']]

# 存储每个国家的总分和出现次数
country_info = {}
# 跳过表头遍历数据行
for row in table[1:]:
    country = row[0]
    point = int(row[1])
    if country not in country_info:
        country_info[country] = {'sum': 0, 'cnt': 0}
    country_info[country]['sum'] += point
    country_info[country]['cnt'] += 1

# 组装结果
table_result = [table[0]]
for country, info in country_info.items():
    avg = str(int(info['sum'] / info['cnt']))
    table_result.append([country, avg])

print(table_result)

运行后输出结果和你要求的完全一致：[['Country', 'Points'], ['Spain', '8'], ['Germany', '2']]

方法2：使用pandas实现 #

如果允许使用第三方数据分析库，代码逻辑会更简洁，适合数据量较大的场景：

import pandas as pd

table = [['Country', 'Points'], ['Spain', '7'], ['Spain', '9'], ['Germany', '1'], ['Germany', '3']]

# 转成DataFrame格式并修改Points列为数值类型
df = pd.DataFrame(table[1:], columns=table[0])
df['Points'] = df['Points'].astype(int)

# 分组求平均值后转成嵌套列表格式
df_res = df.groupby('Country', as_index=False)['Points'].mean().astype(str)
table_result = [table[0]] + df_res.values.tolist()

print(table_result)

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