针对列中每个唯一值筛选最早4个日期，计算对应值的平均值

没问题，我来帮你搞定这个需求！针对每个唯一ID筛选出对应的最早4条日期记录，再计算这些记录里Value字段的平均值，我会用两种常用工具的实现方案，你可以按需选用：

方法1：SQL实现 #

如果你的数据存储在数据库里，用窗口函数是最直接的方式。核心思路是先给每个ID下的记录按日期排序标记序号，再筛选序号≤4的记录，最后分组求平均：

WITH ranked_records AS (
    SELECT 
        ID,
        Value,
        ROW_NUMBER() OVER (PARTITION BY ID ORDER BY Date ASC) AS record_rank
    FROM your_table_name
)
SELECT 
    ID,
    AVG(Value) AS "Avg Value"
FROM ranked_records
WHERE record_rank <= 4
GROUP BY ID;

说明： #

• PARTITION BY ID：按ID分组处理每条记录
• ORDER BY Date ASC：确保每个组内按日期从早到晚排序
• ROW_NUMBER()：给每个组内的记录分配递增序号，最早的记录序号为1
• 最后筛选序号≤4的记录，分组计算Value的平均值即可得到结果

方法2：Python Pandas实现 #

如果用Python处理本地数据，Pandas可以轻松完成这个任务：

首先假设你的数据是DataFrame格式，先把Date列转换为日期类型，再分组处理：

import pandas as pd

# 示例数据（可以替换成你的数据读取逻辑，比如pd.read_csv）
data = {
    'ID': ['aa1', 'aa1', 'aa1', 'aa1', 'aa1', 'aa1', 'aa2n', 'aa2n', 'aa2n', 'aa2n', 'aa2n'],
    'Date': ['1/1/2006', '2/1/2007', '3/2/2005', '1/20/1998', '5/3/2001', '7/4/2010', '4/3/2002', '4/5/2002', '6/30/2011', '6/21/2012', '1/5/1998'],
    'Value': [5,4,7,10,9,10,5,6,7,5,3]
}
df = pd.DataFrame(data)

# 转换Date列为日期类型，确保排序正确
df['Date'] = pd.to_datetime(df['Date'])

# 按ID分组，每个组按日期排序后取前4条，计算Value的平均值
result = df.groupby('ID').apply(
    lambda group: group.sort_values('Date').head(4)['Value'].mean()
).reset_index(name='Avg Value')

# 格式化输出（可选，让结果更接近示例格式）
print(result.to_string(index=False))

运行后会输出：

ID Avg Value
aa1      7.75
aa2n     5.25

说明： #

• pd.to_datetime(df['Date'])：把字符串格式的日期转换为Pandas可识别的日期类型，避免排序错误
• groupby('ID').apply(...)：对每个ID组单独处理
• sort_values('Date').head(4)：按日期升序排序后取最早的4条记录
• 最后计算这4条记录Value的平均值，重命名列名后得到结果

内容的提问来源于stack exchange，提问作者Al. So