Pandas：基于另一DataFrame子串匹配计算列均值

嘿，这问题我之前也碰到过，别慌，咱们一步步来搞定它！核心思路就是先把color_scores里的多颜色字符串拆成单独的颜色行，再计算每个颜色的平均分，最后把结果关联到color_avgs里。

方法一：分步拆解（清晰易懂） #

1. 拆分多颜色字符串并展开成行
   先把color_scores中每个单元格的颜色列表拆分成单独的条目，让每个颜色对应原来的分数：

   import pandas as pd
   
   color_scores = pd.DataFrame({'score': [12.4, 9.8, 7.4, 2.6, 14.8], 'colors': ['blue, red, green', 'blue, purple, orange', 'blue, pink, yellow', 'purple, pink, orange', 'yellow, pink, green']})
   color_avgs = pd.DataFrame({'colors': [ 'blue', 'red', 'green', 'purple', 'orange', 'pink', 'yellow', ]})
   
   # 拆分颜色字符串为列表，再展开成多行
   color_scores_exploded = color_scores.assign(colors=color_scores['colors'].str.split(', ')).explode('colors')
   

   这一步之后，color_scores_exploded会变成每行对应一个颜色和它的分数，比如：

   score	colors
   12.4	blue
   12.4	red
   12.4	green
   ...	...

2. 计算每个颜色的平均分
   按颜色分组，对score列求平均值：

   color_avg_scores = color_scores_exploded.groupby('colors')['score'].mean().reset_index(name='avg_score')
   

   这里得到的color_avg_scores就是每个颜色对应的平均分数据框。

3. 合并到color_avgs
   用merge把平均分关联到color_avgs中：

   color_avgs = color_avgs.merge(color_avg_scores, on='colors', how='left')
   

方法二：链式写法（简洁高效） #

如果不想写太多中间变量，可以把步骤合并成一行，用map直接赋值：

color_avgs['avg_score'] = color_avgs['colors'].map(
    color_scores.assign(colors=color_scores['colors'].str.split(', '))
                .explode('colors')
                .groupby('colors')['score']
                .mean()
)

最终结果 #

运行完上面的代码后，color_avgs会变成这样：

这样就完美实现你想要的效果啦！

内容的提问来源于stack exchange，提问作者jalexbin