使用pandas按受试者、时间点计算分组汇总统计并转置

原代码存在的核心问题 #

• 列名匹配错误：示例数据集的受试者标识列是person_id，代码中误用不存在的subject_id列名，运行会直接抛出KeyError
• 基础语法缺失：for循环语句末尾缺少必须的冒号，代码无法被正常解析
• 列引用规则错误：groupby后取列值时写[value]未加字符串引号，pandas会将其识别为未定义的变量，触发NameError
• 统计逻辑错位：计算标准差时未关联分组规则，直接对全表的value字段计算，完全偏离「按受试者+时间点分组统计」的要求
• 无效冗余逻辑：循环内筛选子集、取时间点唯一值的代码没有做任何赋值或后续处理，属于无意义的运行步骤；且pandas的groupby原生支持全维度批量分组计算，无需手动写多层for循环逐次筛选子集，代码效率低且容易引入逻辑偏差

正确实现代码 #

首先导入依赖并构造测试数据集：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'person_id': [11,11,11,11,11,11,11,11,12,12,12],
    'time' :[0,0,0,1,2,3,4,4,0,0,1],
    'value':[101,102,np.nan,120,143,153,160,170,96,97,99]
})

执行分组统计：

# 按person_id、time维度分组，聚合计算value的均值、标准差
# pandas内置的mean、std聚合函数默认自动跳过NaN空值，无需额外手动过滤
grouped_result = df.groupby(['person_id', 'time'])['value'].agg(
    value_mean='mean',
    value_std='std'
).reset_index()

计算逻辑说明 #

• 空值处理符合要求：例如person_id=11、time=0的分组下，原始value记录为101、102、np.nan，最终计算均值时仅纳入两个非空值，得到(101+102)/2=101.5，不会将空值作为独立记录参与计算
• 输出结构匹配预期：每个「受试者+时间点」的组合对应单独一行统计结果，和参考示例的输出格式一致
• 可选调整：如果需要切换总体/样本标准差的计算规则，可以通过给std函数传参实现，比如用value_std=lambda x: x.std(ddof=0)即可计算总体标准差。

内容的提问来源于stack exchange，提问作者The Great