pandas中如何对相同名称的列计算每行平均值

你写的df.groupby(by=df.columns, axis=1).mean()本身逻辑是正确的，没有得到预期结果大概率是你的DataFrame列名实际存在隐藏字符（比如前后空格、不可见特殊符号），导致名义上相同的列名没有被识别为同一分组。

正确实现方案 #

方案1：先清理列名再按列分组（推荐） #

先统一清理列名的多余字符，再分组计算，避免隐藏字符干扰：

# 清理列名：去除前后空白字符、统一大小写等，按需调整
df.columns = df.columns.str.strip()
# 按列名分组，横向计算每行均值
df_mean = df.groupby(df.columns, axis=1).mean()

方案2：转置后按索引分组再转置 #

兼容性更强，不受pandas版本差异影响：

df_mean = df.T.groupby(level=0).mean().T

完整可运行测试代码 #

import pandas as pd

# 构造和你提供的结构一致的测试数据
df = pd.DataFrame(
    [[1,2,3,0,1,2,1,3,5],
     [4,5,6,3,4,5,2,4,6],
     [7,8,9,6,7,8,3,5,7]],
    columns=['a','a','a','b','b','b','c','c','c']
)

# 计算结果
df_mean = df.groupby(df.columns, axis=1).mean()
# 如果需要输出整数格式，加上类型转换即可
# df_mean = df_mean.astype(int)
print(df_mean)

运行后输出结果和你预期完全一致：

a    b    c
0  2.0  1.0  3.0
1  5.0  4.0  4.0
2  8.0  7.0  5.0

内容的提问来源于stack exchange，提问作者Julie