没问题，我帮你搞定这个需求！你需要的是按股票代码（Ticker）和日期（Date）分组，计算每组的市值平均值，然后导出成新的CSV文件。下面是修改后的完整代码，我会一步步解释细节：

注意事项先说明 #

你的原始CSV用|作为分隔符，且字段后带有空格，读取时必须指定正确的分隔规则，否则会出现列名带空格、字段值异常的问题；另外你之前的drop_duplicates不需要保留，因为那些同一Ticker+Date但不同市值的行是计算平均值的有效数据，不能删除。

完整代码实现 #

import pandas as pd

# 读取CSV，指定分隔符为|，并跳过字段后的空格，避免列名/值带多余空格
df = pd.read_csv(data_market, sep='|', skipinitialspace=True)

# 筛选2003年1月1日之后的数据（保留你原有的逻辑）
df = df[(df['Date'] > '2003-01-01')]

# 核心操作：按Ticker和Date分组，计算每组市值的平均值
# 重置索引将分组字段从索引转为普通列，并重命名列名符合需求
result_df = df.groupby(['Ticker', 'Date'])['Marketcap'].mean().reset_index()
result_df = result_df.rename(columns={'Marketcap': 'Avg Marketcap'})

# 可选：如果需要将平均值转为整数（和你示例中的格式一致），添加此行
result_df['Avg Marketcap'] = result_df['Avg Marketcap'].round().astype(int)

# 将结果保存为新的CSV文件，同样用|作为分隔符，不写入索引列
result_df.to_csv('avg_marketcap_result.csv', sep='|', index=False)

代码细节解释 #

• sep='|', skipinitialspace=True：正确解析你的CSV格式，解决|后带空格导致的列名异常问题
• groupby(['Ticker', 'Date'])['Marketcap'].mean()：按股票+日期的组合分组，对每组的市值字段计算平均值，这是实现需求的核心逻辑
• reset_index()：把分组用的Ticker和Date从索引转换为普通列，保证输出的CSV结构和你期望的一致
• rename(columns=...)：将默认的Marketcap列名改为你需要的Avg Marketcap
• round().astype(int)：把浮点型的平均值转为整数（你示例中AB的2010-02-14平均值实际是≈1243333，应该是笔误少写了一个3，这里可以根据你的需求调整取整规则）
• to_csv(...)：保存结果时指定分隔符为|，index=False避免把索引列写入CSV文件

运行这段代码后，生成的CSV文件就会完全符合你期望的输出格式。

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