如何基于DataFrame的Location列批量计算Value列均值并生成字典

当然可以！用Pandas的分组功能就能轻松搞定这个需求，完全不用逐个处理200个Location。以下是具体步骤和代码：

核心代码实现 #

假设你的DataFrame名为df，只需要两行代码就能完成：

# 按Location分组，计算Value列的均值
location_mean = df.groupby('Location')['Value'].mean()

# 将结果转换为字典
mean_dict = location_mean.to_dict()

代码解释 #

• df.groupby('Location')['Value'].mean()：这一步会把DataFrame按Location列分组，然后对每个分组的Value列计算平均值，得到一个Series——索引是各个Location名称，值对应该Location的均值。
• .to_dict()：直接将上面得到的Series转换为字典，键是Location名称，值是对应的均值。

额外提示（可选） #

如果你的数据里存在缺失值（NaN），Pandas默认会忽略它们计算均值；如果需要保留缺失值的影响，可以加上skipna=False参数：

location_mean = df.groupby('Location')['Value'].mean(skipna=False)

这样处理后，mean_dict就是你想要的包含所有Location对应Value均值的字典啦！

内容的提问来源于stack exchange，提问作者wanuke