Pandas中如何将列表类型的数组列转换为浮点型数组并计算均值

你执行的grouped_reps["util_rate"] = grouped_reps["util_rate"].astype(str).astype(float)报错的核心原因是：astype(str)会将列中的每个列表对象序列化为包含括号、逗号的完整字符串（比如[1.0, 0.75, 0.9]这个整体变成字符串），这类字符串不符合浮点型的格式要求，所以无法直接转换为float类型。

分两种场景处理：

场景1：util_rate列本身存储的是Python列表对象（和你示例构造的DataFrame结构一致） #

不需要额外做类型转换，直接对每一行的列表计算均值即可，两种实现可选：

• 依赖numpy实现：

import numpy as np

grouped_reps['avg_util'] = grouped_reps['util_rate'].apply(np.mean)

• 原生Python实现，无需额外依赖：

grouped_reps['avg_util'] = grouped_reps['util_rate'].apply(lambda x: sum(x)/len(x))

场景2：util_rate列是字符串格式的列表（比如从csv/文本文件读取后得到的格式） #

需要先将字符串反序列化为Python列表，再计算均值：

from ast import literal_eval

# 先把字符串列表转为真实列表
grouped_reps['util_rate'] = grouped_reps['util_rate'].apply(literal_eval)
# 再计算均值
grouped_reps['avg_util'] = grouped_reps['util_rate'].apply(lambda x: sum(x)/len(x))

执行完成后你将得到avg_util新列，存储每个姓名对应的数组均值，示例输出如下：

A                util_rate  avg_util
0  John        [1.0, 0.75, 0.9]  0.883333
1  Mary        [1.0, 0.8, 0.87]  0.890000
2   Tom  [0.74, 0.34, 0.9, 0.45]  0.607500

内容的提问来源于stack exchange，提问作者garchukins