按国家聚合指定年份数据并计算均值的技术问询

没问题！要按国家计算lgaspcar和lincomep的均值，用常用的数据处理工具就能轻松搞定。我给你准备了Python（Pandas）和R（dplyr）两种主流方案，你可以根据自己的习惯选：

Pandas是Python生态里处理表格数据的神器，用groupby分组后直接计算均值就行：

import pandas as pd

# 如果你是从CSV文件读取数据，替换成 pd.read_csv("你的数据文件路径.csv")
data = pd.DataFrame({
    'country': ['AUSTRIA', 'AUSTRIA', 'AUSTRIA', 'AUSTRIA', 'AUSTRIA', 'AUSTRIA', 'BELGIUM', 'BELGIUM', 'BELGIUM'],
    'year': [1960, 1961, 1965, 1966, 1967, 1968, 1960, 1961, 1962],
    'lgaspcar': [4.173244195, 4.1009891049, 4.033983285, 4.0475365589, 4.0529106939, 4.045507048, 4.16401597, 4.124355641, 4.075],
    'lincomep': [-6.474277179, -6.426005835, -6.294667914, -6.252545451, -6.234580709, -6.206894403, -6.215091247, -6.176842928, None]
})

# 按国家分组，计算指定字段的均值，reset_index让结果更易读
country_avg = data.groupby('country')[['lgaspcar', 'lincomep']].mean().reset_index()

# 输出结果
print(country_avg)

运行后会得到每个国家两个字段的均值，reset_index()是把分组的国家从索引变回普通列，方便查看和后续处理。

如果你习惯用R，dplyr的管道语法写起来非常直观：

library(dplyr)

# 从CSV读取数据的话，替换成 read.csv("你的数据文件路径.csv")
data <- data.frame(
    country = c('AUSTRIA', 'AUSTRIA', 'AUSTRIA', 'AUSTRIA', 'AUSTRIA', 'AUSTRIA', 'BELGIUM', 'BELGIUM', 'BELGIUM'),
    year = c(1960, 1961, 1965, 1966, 1967, 1968, 1960, 1961, 1962),
    lgaspcar = c(4.173244195, 4.1009891049, 4.033983285, 4.0475365589, 4.0529106939, 4.045507048, 4.16401597, 4.124355641, 4.075),
    lincomep = c(-6.474277179, -6.426005835, -6.294667914, -6.252545451, -6.234580709, -6.206894403, -6.215091247, -6.176842928, NA)
)

# 按国家分组，计算均值，na.rm=TRUE用来忽略缺失值
country_avg <- data %>%
    group_by(country) %>%
    summarise(
        avg_lgaspcar = mean(lgaspcar, na.rm = TRUE),
        avg_lincomep = mean(lincomep, na.rm = TRUE)
    )

# 查看结果
print(country_avg)

这里na.rm = TRUE很重要，因为你的数据里可能存在缺失值（比如示例中BELGIUM 1962的lincomep没写完），加上这个参数会自动跳过缺失值计算均值。

内容的提问来源于stack exchange，提问作者Hisham