如何用Python Pandas按整数波长分组对DataFrame求均值？

嘿，这个需求用Pandas的分组聚合功能就能高效解决，完全不用复杂的循环逻辑。下面是具体步骤和代码：

步骤说明 #

你的核心需求是把wave列中整数部分相同的行归为一组，然后对cross和cross2列计算平均值，Pandas的groupby配合类型转换就能完美实现这个逻辑：

1. 将浮点型的wave列转换为整数类型（自动截断小数部分，比如299.5会变成299，正好符合你的分组规则）；
2. 以转换后的整数wave为分组键，对目标列计算均值；
3. 保留wave作为普通列（而非索引），得到最终结果。

完整代码示例 #

首先构造你的示例DataFrame：

import pandas as pd

# 初始化示例数据
data = {
    'wave': [299.0, 299.5, 300.0, 300.5, 300.8],
    'cross': [1.25, 1.30, 1.45, 1.65, 1.56],
    'cross2': [3.30, 4.20, 4.36, 4.32, 4.56]
}
df = pd.DataFrame(data)

然后执行核心分组聚合操作：

# 按整数波长分组并计算均值，可选保留两位小数
result_df = df.groupby(df['wave'].astype(int), as_index=False)[['cross', 'cross2']].mean().round(2)

# 查看结果
print(result_df)

输出结果 #

运行后你会得到：

wave  cross  cross2
0   299   1.28    3.75
1   300   1.55    4.41

（注：你给出的示例中299对应的cross值是1.30，这应该是四舍五入的差异，上面的结果是精确计算后保留两位小数的结果，和你的预期基本一致）

为什么这是最优方法？ #

• 效率高：astype(int)和groupby都是Pandas底层优化过的操作，处理十万甚至百万级别的数据都能快速完成，比手动循环处理快几个数量级；
• 代码简洁：一行核心代码就完成了分组和聚合，可读性极强，后续维护也方便；
• 扩展性强：如果后续需要计算其他统计量（比如求和、中位数），只需要把.mean()换成对应的方法（.sum()、.median()）即可。

内容的提问来源于stack exchange，提问作者Sanne