按两列分组聚合并存储结果至DataFrame的最优方法

嘿，针对你这个要计算每个merk下各kleur对应的prijs平均值的需求，最推荐也是最高效的方式就是用pandas原生的groupby结合聚合方法——毕竟它专门针对大型数据集做了底层优化，不管是速度还是内存效率都比手动循环这类方法强太多。

核心实现代码 #

假设你的原始DataFrame名为df，一行代码就能搞定：

import pandas as pd

# 分组计算均值并转为标准DataFrame
occasions_prijs_df_gr = df.groupby(['merk', 'kleur'])['prijs'].mean().reset_index()

或者你也可以直接在groupby里设置as_index=False，省去后续的reset_index()步骤，代码更简洁：

occasions_prijs_df_gr = df.groupby(['merk', 'kleur'], as_index=False)['prijs'].mean()

为什么这是最优方案？ #

• 效率拉满：pandas的groupby是C语言级别的底层实现，处理大型数据集时比Python层面的循环快几十甚至上百倍，内存占用也更合理。
• 灵活性强：如果之后需要扩展计算其他统计量（比如计数、总和），只需要修改聚合逻辑就行，比如：

  # 同时计算均值和数量
  result = df.groupby(['merk', 'kleur'], as_index=False)['prijs'].agg(
      gemiddelde_prijs='mean',
      aantal_voertuigen='count'
  )
  

• 结果格式友好：通过reset_index()或者as_index=False，最终得到的是结构清晰的标准DataFrame，完全符合你预期的输出格式。

示例验证 #

假设你的原始数据是这样的：

运行核心代码后，occasions_prijs_df_gr的输出会是：

完全匹配你想要的每个品牌下各颜色的价格平均值需求。

内容的提问来源于stack exchange，提问作者YNR