使用Pandas按指定年龄组筛选数据集并关联对比营收列实现方法

直接通过pd.cut分箱+分组聚合即可完成需求，操作步骤如下：

• 首先确认你的DataFrame包含age（年龄字段）和revenue（营收字段，可替换为你实际的营收列名）
• 定义年龄区间和对应标签，用pd.cut生成年龄分群列
• 按分群列分组聚合营收的各类统计指标，即可完成对比

示例代码如下：

import pandas as pd

# 1. 定义年龄区间和对应标签
age_bins = [18, 30, 50, 99]
age_labels = ["18-30岁", "30-50岁", "50-99岁"]

# 2. 生成年龄分群列，right=False表示左闭右开，即18<=x<30归为第一组，以此类推
# 如果需要包含区间右边界（比如30岁归到18-30区间），把right参数改为True即可
df["age_group"] = pd.cut(df["age"], bins=age_bins, labels=age_labels, right=False)

# 3. 按年龄分群分组统计营收指标，可按需调整要统计的维度
grouped_revenue = df.groupby("age_group", observed=True)["revenue"].agg(
    总营收="sum",
    平均营收="mean",
    营收中位数="median",
    群体用户数="count"
).reset_index()

# 输出结果即可直接查看各年龄组的营收对比
print(grouped_revenue)

提示：如果你的年龄数据存在小于18或者大于99的异常值，pd.cut会默认赋值为NaN，你可以提前过滤异常值，或者在age_bins里补充对应的区间（比如修改为[0,18,30,50,99,120]）和对应标签即可。

内容的提问来源于stack exchange，提问作者Burak