<p>您可以执行以下操作-</p>
<p><strong>方法1:使用熊猫</p>
<pre><code>#Mention all the columns and respective aggregations as key, value for a dict
g = {'var2':'mean', 'var3':'max', 'var4':'min'}
#Apply groupby with agg() using the above dict
df.groupby(['var1']).agg(g).reset_index()
</code></pre>
<p>只需将<code>var1</code>、<code>var2</code>、<code>var3</code>、<code>var4</code>替换为代码中的实际变量名即可</p>
<pre><code> var1 var2 var3 var4
0 2018 13.000000 16 35
1 2019 34.666667 96 31
</code></pre>
<p>编辑:如果您不应该使用任何pandas或numpy,那么我必须假设您的数据集实际上是一个列表列表,而不是pandas数据框,否则将无法达到此目的。在这种情况下,您可以使用列表理解以以下方式解决此问题-</p>
<p><strong>方法2:使用列表理解</p>
<pre><code>data = [[2019, 10, 56, 34],[2019, 74, 66 ,32],[2019, 20, 96, 31],[2018, 13, 16, 35], [2018, 14, 27, 33]]
</code></pre>
<pre><code>#function to calculate average on a list
def average(lst):
return sum(lst) / len(lst)
#get set list of years
unique_years = set([i[0] for i in data])
[[[j[0] for j in data if j[0]==i][0],
average([j[1] for j in data if j[0]==i]),
max([j[2] for j in data if j[0]==i]),
min([j[3] for j in data if j[0]==i])] for i in unique_years]
</code></pre>
<pre><code>#output: [[2018, 13.5, 27, 33], [2019, 34.666666666666664, 96, 31]]
</code></pre>
<p>如果您对列表理解感到不舒服,也可以使用显式for循环来实现-</p>
<p><strong>方法3:使用显式FOR-IF</strong></p>
<pre><code>yr = []
v1 = []
v2 = []
v3 = []
#function to calculate average on a list
def average(lst):
return sum(lst) / len(lst)
#get set list of years
unique_years = set([i[0] for i in data])
for i in unique_years:
for j in data:
if j[0]==i:
v1.append(j[1])
v2.append(j[2])
v3.append(j[3])
yr.append([i,average(v1),max(v2), min(v3)])
print(yr)
</code></pre>
<pre><code>#output: [[2018, 13.5, 27, 33], [2019, 26.2, 96, 31]]
</code></pre>