如何用Pandas编写函数，按性别计算成绩均值并返回字典

嘿，这需求很清晰，咱们可以通过合并Series为DataFrame，再借助Pandas的分组功能轻松实现目标。下面是完整的函数实现：

import pandas as pd

def calculate_gender_grade_mean(grades, genders):
    # 将成绩和性别Series合并为DataFrame，建立对应关系
    student_df = pd.DataFrame({'grades': grades, 'genders': genders})
    # 按性别分组，计算每组的成绩均值，最后转换为字典格式
    gender_grade_mean = student_df.groupby('genders')['grades'].mean().to_dict()
    return gender_grade_mean

代码解释： #

• 第一步：把传入的两个Series合并成一个DataFrame，这样每个学生的成绩和性别就一一对应起来了，方便后续分组操作；
• 第二步：使用groupby('genders')按性别对数据分组，然后针对grades列调用mean()方法，计算出每个性别的平均成绩；
• 第三步：用to_dict()方法把分组后的结果转换成你需要的字典格式，键为性别（"male"/"female"），值为对应性别的成绩均值。

测试示例： #

咱们用你给出的示例数据来验证一下：

# 示例数据
grades = pd.Series([5, 4, 3, 5, 2])
genders = pd.Series(["female", "male", "male", "female", "male"])

# 调用函数
result = calculate_gender_grade_mean(grades, genders)
print(result)

运行后会输出：{'male': 3.0, 'female': 5.0}，完全符合你的预期。

小提示： #

如果你的数据中存在缺失值（比如部分学生没有成绩或性别记录），可以在分组前加上dropna()来清理无效数据，避免影响均值计算，修改后的代码如下：

def calculate_gender_grade_mean(grades, genders):
    student_df = pd.DataFrame({'grades': grades, 'genders': genders})
    # 先清理缺失值再分组计算
    gender_grade_mean = student_df.dropna().groupby('genders')['grades'].mean().to_dict()
    return gender_grade_mean

内容的提问来源于stack exchange，提问作者John P.