你可以使用 Python 中的 `pandas` 库来实现对 Excel 文件中两个字段进行分组，并对第四个字段进行**分组求和后除以分组个数（即求平均值）**。下面我将详细说明整个流程并提供完整的代码。 --- ### ✅ 示例目标： - **读取一个 Excel 文件** - 对其中 **第1列和第2列**（如 `field1`, `field2`）进行分组 - 对 **第4列**（如 `field4`）先求和再除以每组的记录数（即求平均） - 最终输出包含原始数据 + 新增一列 `avg_field4` --- ## ✅ 完整代码如下： ```python import pandas as pd # 输入输出文件路径 input_file = 'input.xlsx' output_file = 'output_grouped.xlsx' # 读取Excel数据 df = pd.read_excel(input_file) # 获取列名列表 columns = df.columns.tolist() # 确定分组字段和计算字段 group_cols = [columns[0], columns[1]] # 第一列和第二列为分组字段 calc_col = columns[3] # 第四列为计算字段 # 分组统计：求和与计数 grouped = df.groupby(group_cols, as_index=False).agg( sum_field4=(calc_col, 'sum'), count=(calc_col, 'size') ) # 计算平均值：sum / count grouped['avg_field4'] = grouped['sum_field4'] / grouped['count'] # 将结果合并回原始数据，以便保留原始所有列 result_df = pd.merge(df, grouped[[*group_cols, 'avg_field4']], on=group_cols, how='left') # 输出结果到新的Excel文件 result_df.to_excel(output_file, index=False) print(f"分组计算完成，结果已保存至 {output_file}") ``` --- ## 🧠 解释说明： | 步骤 | 描述 | |------|------| | `groupby(group_cols)` | 按照第一列和第二列进行分组 | | `agg()` | 对第四列分别求和和计数 | | `avg_field4 = sum / count` | 得到每组的平均值 | | `pd.merge()` | 把聚合后的 `avg_field4` 合并回原始 DataFrame | | `to_excel()` | 输出到新文件 | --- ### ✅ 示例输入数据： | field1 | field2 | field3 | field4 | |--------|--------|--------|--------| | A | X | 100 | 10 | | A | X | 200 | 20 | | B | Y | 300 | 30 | --- ### ✅ 输出结果： | field1 | field2 | field3 | field4 | avg_field4 | |--------|--------|--------|--------|------------| | A | X | 100 | 10 | 15.0 | | A | X | 200 | 20 | 15.0 | | B | Y | 300 | 30 | 30.0 | --- ### ❗ 注意事项： - 如果你知道列名可以直接写成： ```python group_cols = ['field1', 'field2'] calc_col = 'field4' ``` - 如果你希望只输出聚合后的汇总表（而不是合并回原始数据），可以只输出 `grouped` 数据框。 --- ###