Python Pandas计算按产品数排序的前四品牌各品类平均价格

以下是完整可运行的实现代码，每步均添加了注释，你可以根据自己的实际数据源调整：

import pandas as pd

# ---------------------- 1. 构造示例数据，如果你已有对应df可删除此部分 ----------------------
data = {
    "brand": ["Apple", "Huawei", "Apple", "Samsung", "Apple", "xiomi", "Huawei"],
    "price": [499.0, 200.0, 150.0, 800.0, 55.0, 25.0, 140.0],
    "category": ["phone", "phone", "headphones", "phone", "accesory", "accesory", "headphones"]
}
df = pd.DataFrame(data)

# ---------------------- 2. 筛选总产品数前4的品牌 ----------------------
# 统计各品牌总产品数，降序排序后取前4个品牌
top4_brand_list = df["brand"].value_counts(ascending=False).head(4).index.tolist()
# 过滤仅保留前4品牌的所有数据
filter_df = df[df["brand"].isin(top4_brand_list)]

# ---------------------- 3. 计算各品牌对应品类的平均价格 ----------------------
# 生成透视表，指定行索引为品牌、列索引为品类、值为平均价格，按要求调整列顺序后保留两位小数
result_df = pd.pivot_table(
    filter_df,
    index="brand",
    columns="category",
    values="price",
    aggfunc="mean"
).reindex(columns=["phone", "headphones", "accesory"]).round(2)

# 如果品牌无对应品类时需要填充空值为0，可以取消注释下行代码
# result_df = result_df.fillna(0)

# 输出结果
print(result_df)

运行输出示例 #

category  phone  headphones  accesory
brand                                
Apple     499.0       150.0      55.0
Huawei    200.0       140.0       NaN
Samsung   800.0         NaN       NaN
xiomi       NaN         NaN      25.0

内容的提问来源于stack exchange，提问作者Regnas01