Pandas/Numpy如何计算指定月份列落在[minSD,maxSD]区间内数值的平均值

核心思路 #

先提取所有非固定字段的月度销量列，再逐行过滤落在[minSD, maxSD]区间内的销量值计算平均值，全程不硬编码月度列名，适配ERP导出列顺序变动的场景。

实现代码 #

第一步：提取月度销量列 #

通过排除已知固定列的方式筛选出所有月度销量列，不受列顺序、列名变化影响：

# 替换列表内的字段为你实际DataFrame里的非销量固定字段即可
month_sales_cols = [col for col in df.columns if col not in ['code', 'leadtime', 'mean', 'stddev', 'minSD', 'maxSD']]

第二步：计算avgwithSD列 #

方案1：行级apply（易理解，适合小数据量）

def calc_valid_avg(row):
    # 取当前行所有月度销量
    sales_data = row[month_sales_cols]
    # 过滤符合区间条件的值
    valid_data = sales_data[(sales_data >= row['minSD']) & (sales_data <= row['maxSD'])]
    # 返回平均值，无符合条件值时返回NaN，可按需用fillna替换为0等默认值
    return valid_data.mean()

df['avgwithSD'] = df.apply(calc_valid_avg, axis=1)

方案2：向量化运算（高性能，适合万行以上大数据量）

import numpy as np

# 转成numpy数组做广播运算
sales_arr = df[month_sales_cols].values
min_threshold = df['minSD'].values.reshape(-1, 1)
max_threshold = df['maxSD'].values.reshape(-1, 1)

# 生成符合条件的掩码，不符合的位置设为NaN
valid_mask = (sales_arr >= min_threshold) & (sales_arr <= max_threshold)
valid_sales = np.where(valid_mask, sales_arr, np.nan)

# 按行求平均值，自动忽略NaN
df['avgwithSD'] = np.nanmean(valid_sales, axis=1)

可选优化 #

如果存在无符合条件值的行，可按需填充默认值：

df['avgwithSD'] = df['avgwithSD'].fillna(0)

内容的提问来源于stack exchange，提问作者marcdb