基于ID和Rank分组计算Grade列均值（忽略0与NA无效值）

嘿，这个需求很常见，咱们用Pandas就能轻松搞定！核心思路就是先过滤掉无效的0值和NA值，再按ID和Rank分组计算Grade的均值。下面是具体步骤和代码：

步骤1：过滤无效数据 #

首先，我们需要把Grade列里的0值和缺失值（NA）都排除掉，避免它们干扰均值计算。这里有两种常用写法：

方法一：布尔索引 #

import pandas as pd

# 假设你的DataFrame名为df
filtered_data = df[(df['Grade'] != 0) & (~df['Grade'].isna())]

方法二：更简洁的query写法 #

如果喜欢代码更紧凑，query方法会更顺手：

filtered_data = df.query("Grade != 0 and Grade.notna()")

步骤2：分组计算均值 #

过滤完数据后，就可以按ID和Rank组合分组，对Grade列求均值了。最后用reset_index()把分组索引转成普通列，方便查看和后续处理：

# 分组计算均值
result = filtered_data.groupby(['ID', 'Rank'])['Grade'].mean().reset_index()

# 打印结果
print(result)

举个实际例子，假设你的原始数据是这样的：

运行代码后，得到的结果会是：

完美避开了0和NA值，精准计算了每个ID+Rank组合下的Grade均值！

内容的提问来源于stack exchange，提问作者ckdf14