Pandas如何计算指定国家数值列平均值

本文深入解析了在Pandas中准确计算指定国家对应行的数值列平均值的关键技巧，直击初学者常踩的`df.loc['Bahrain']`报KeyError这一典型误区——根源在于混淆了索引查找与列值匹配；文章不仅给出清晰易懂的原理剖析，还提供开箱即用的完整代码示例（含数据构造、布尔索引筛选、数值列切片和均值计算），并强调设置索引、类型校验、缺失值处理及多国扩展等实用注意事项，助你牢固掌握“条件筛选→列切片→聚合计算”这一Pandas核心分析范式。

本文详解在 Pandas DataFrame 中按国家名称定位行并计算其数值列（排除文本列）平均值的正确方法，解决 df.loc['Bahrain'] 报 KeyError 的常见误区，并提供可直接运行的代码示例与关键注意事项。

本文详解在 Pandas DataFrame 中按国家名称定位行并计算其数值列（排除文本列）平均值的正确方法，解决 `df.loc['Bahrain']` 报 KeyError 的常见误区，并提供可直接运行的代码示例与关键注意事项。

在 Pandas 中，df.loc['Bahrain'] 报 KeyError 是一个高频错误，其根本原因在于：loc 默认基于索引（index）进行标签查找，而非基于某列（如 'Country'）的内容匹配。观察示例数据可知，'Bahrain' 是 'Country' 列的值，而 DataFrame 的行索引是默认整数索引 0, 1, 2, ... —— 因此 loc['Bahrain'] 实际是在索引中查找名为 'Bahrain' 的标签，自然失败。

✅ 正确做法是：先通过布尔索引筛选出 'Country' == 'Bahrain' 的行，再选取数值列（跳过 'Country' 列），最后调用 .mean() 计算平均值。推荐写法如下：

import pandas as pd
import numpy as np

# 构造示例数据
df = pd.DataFrame({
    'Country': ['Bahrain', 'Maldives', 'Germany'],
    '1990': [5, 10, 7],
    '1995': [4, 9, 4],
    '2000': [3, 8, 3],
    '2005': [2, 7, 2],
    '2010': [1, 6, 1],
    '2015': [5, 5, 7]
})

# ✅ 正确：布尔索引 + 切片选取数值列 + mean()
row_avg = df[df['Country'] == 'Bahrain'].iloc[:, 1:].mean()
print(row_avg)  # 输出: 3.3333333333333335
print(type(row_avg))  # <class 'numpy.float64'>

? 关键说明：

• df[df['Country'] == 'Bahrain'] 返回一个单行 DataFrame（即使只有一行，仍是 DataFrame，非 Series）；
• .iloc[:, 1:] 表示选取所有行（:）、从第 1 列开始到末尾的所有列（即跳过第 0 列 'Country'），确保仅对数值列操作；
• .mean() 默认对列方向（axis=0）求均值，结果为一个包含各列均值的 Series；但此处仅一行多列，故 .mean() 直接返回标量（numpy.float64 类型），符合需求。

⚠️ 注意事项：

• ❌ 避免 df.loc['Bahrain', :]：除非你已将 'Country' 列设为索引（df.set_index('Country')），否则会报错；
• ✅ 若需频繁按国家查询，可预先设置索引：df_indexed = df.set_index('Country')，之后 df_indexed.loc['Bahrain'].mean() 即可生效；
• ? 确保目标列全为数值类型（int/float），若含缺失值（NaN），.mean() 默认跳过（skipna=True）；如需严格要求无缺失，可加 skipna=False 触发异常；
• ? 扩展用法：计算多国平均值？可传入列表：df[df['Country'].isin(['Bahrain', 'Germany'])].iloc[:, 1:].mean(axis=0) 得各年份均值；或加 .mean(axis=1) 得每国行均值（结果为 Series）。

掌握“条件筛选 → 列切片 → 聚合计算”这一范式，不仅能解决行平均问题，更是 Pandas 数据清洗与分析的核心逻辑。

理论要掌握，实操不能落！以上关于《Pandas如何计算指定国家数值列平均值》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！