如何计算DataFrame中对应某列前X个最高值行的price列均值

别慌，这个需求用Pandas的内置函数就能轻松搞定，两步就能出结果：

方法一：用nlargest（推荐，大数据量下更高效） #

nlargest可以直接筛选出目标列前X个最大值对应的行，接着提取这些行的price列计算均值就好。

举个具体例子，假设你要取TTM_Si列前3个最高值对应的price均值，代码如下：

# 把X替换成你需要的数量，把'TTM_Si'替换成你要参考的目标列（比如TTM_F、Rev_Met都适用）
X = 3
target_column = 'TTM_Si'
top_x_price_mean = summary_percent_df.nlargest(X, target_column)['price'].mean()

方法二：先排序再取前X行 #

如果你更习惯用排序的思路，也可以先对目标列降序排序，再取前X行计算均值：

X = 3
target_column = 'TTM_Si'
top_x_price_mean = summary_percent_df.sort_values(target_column, ascending=False).head(X)['price'].mean()

用你的数据验证一下 #

拿你给出的数据集举例，取TTM_Si前3个最高值的行：

• HELE（TTM_Si=0.005513）对应price=0.629727
• REV（TTM_Si=-0.016126）对应price=0.218214
• IPAR（TTM_Si=-0.024999）对应price=0.705969

计算均值：(0.629727 + 0.218214 + 0.705969) / 3 ≈ 0.51797，用上面的代码跑出来结果完全一致。

只要替换X和target_column，就能适配你想要的任意列和任意前X个最大值的需求啦！

内容的提问来源于stack exchange，提问作者TEKOrchestrator