如何按Generation分组计算平均StructureScore并生成新数据集

嗨，Laura！我来帮你搞定这个分组计算平均得分的需求，用常见的数据分析工具就能轻松实现，下面给你几个主流方案：

1. 使用Excel（适合非编程用户） #

如果习惯用Excel处理数据，两种方法都能快速得到结果：

• 分类汇总法
  • 选中你的完整数据集（包含所有列）
  • 点击顶部「数据」选项卡 → 选择「分类汇总」
  • 在弹出窗口中设置：
    • 「分类字段」先选 Chain，再添加一次选 Generation（确保先按Chain分组，再在每个Chain内按Generation细分）
    • 「汇总方式」选择 平均值
    • 「选定汇总项」勾选 StructureScore
  • 点击确定后，Excel会自动生成带分组平均值的结果，你可以把这些平均值行单独提取出来组成新数据集。
• 数据透视表法（更灵活）
  • 插入数据透视表，把Chain拖到「行」区域，Generation也拖到「行」区域（放在Chain下方），StructureScore拖到「值」区域
  • 点击「值」区域的StructureScore，选择「值字段设置」，把计算类型改成「平均值」
  • 最后把透视表的结果复制粘贴成普通表格，就是你要的新数据集。

2. 使用Python Pandas（适合编程用户） #

假设你的数据集已经是Pandas的DataFrame格式（命名为df），用几行代码就能完成：

# 按Chain和Generation分组，计算StructureScore的平均值
avg_df = df.groupby(['Chain', 'Generation'])['StructureScore'].mean().reset_index()

# 查看生成的新数据集
print(avg_df)

• 代码解释：groupby(['Chain', 'Generation'])会先按Chain分组，每个Chain内再按Generation拆分；mean()计算每组的平均得分；reset_index()把分组后的索引转为普通列，最终avg_df就是包含Chain、Generation、对应平均得分的新数据集。

3. 使用R语言（适合统计分析用户） #

如果用R处理数据，借助dplyr包可以简洁实现：

# 先安装dplyr包（首次使用时运行）
# install.packages("dplyr")

library(dplyr)

# 分组计算平均得分，忽略缺失值
avg_df <- df %>%
  group_by(Chain, Generation) %>%
  summarise(AverageStructureScore = mean(StructureScore, na.rm = TRUE)) %>%
  ungroup()

# 查看结果
print(avg_df)

• 代码解释：group_by()指定分组字段；summarise()生成新列存储平均值，na.rm = TRUE用来忽略可能存在的缺失值；ungroup()取消分组状态，得到的avg_df就是你需要的目标数据集。

内容的提问来源于stack exchange，提问作者Laura