使用Python pandas按ID分组计算各月份数值平均值的实现问题

核心实现逻辑 #

直接使用pandas内置的pivot_table方法即可一步完成分组聚合+宽表转换的需求，不需要额外写循环逻辑，适配你150+ID、覆盖12个月的全量数据规模。

具体代码 #

1. 基础依赖导入&数据读取 #

import pandas as pd
import numpy as np

# 读入数据，这里指定ID列为字符串类型，避免001这类带前导零的ID被自动转成数值丢失前导零
df = pd.read_csv("你的数据文件路径.csv", dtype={"ID": str})

如果你的数据已经通过其他方式加载为DataFrame，可跳过读取步骤直接执行后续逻辑。

2. 生成目标结果表 #

result = pd.pivot_table(
    df,
    index="ID",  # 指定ID作为行索引，最终输出第一列为ID
    columns="Month",  # 指定月份作为列表头
    values="Value",  # 指定要计算平均值的数值列
    aggfunc="mean",  # 聚合规则设为求平均值
    fill_value=np.nan  # 无数据的位置填充占位符，需要填0就改成0，需要填其他值直接替换即可
)

# 可选操作：将ID从索引转为普通列
result = result.reset_index()

# 可选操作：将表头改为"X月"格式
result = result.rename(columns=lambda col: f"{col}月" if isinstance(col, int) else col)

# 可选操作：所有平均值保留两位小数
result = result.round(2)

效果验证 #

用你提供的样例数据执行上述代码后，ID为021的8月平均值计算结果为18926.76，和你预期的计算结果完全一致，无数据的单元格会按你设置的fill_value自动填充。 #

内容的提问来源于stack exchange，提问作者markovv.sim