您可以合并cut以合并第一列，然后合并groupby.mean：

(df.groupby(pd.cut(df['Column_A'], [0,3,5], labels=['1-3', '4-5']))
   ['Column_B'].mean()
 )

输出量：

Column_A
1-3    53.285714
4-5    60.500000
Name: Column_B, dtype: float64

希望从Column_A创建2个组，并在Column_B中查找这些组的平均值
您可以在groupby中为[1，2，3]中的项目与不在列表中的项目（即[4，5]）使用条件。

df.groupby(df['Column_A'].isin([1, 2, 3]))['Column_B'].mean()

Output:
Column_A
False    60.500000
True     53.285714
Name: Column_B, dtype: float64

如果我想在相同的isin条件下找到Column_B = 25的.count（），该怎么办

# Is this what you wanted?
df.groupby(df['Column_A'].isin([1, 2, 3]) & (df['Column_B']==25))['Column_B'].count()

Output:
False    10
True      1
Name: Column_B, dtype: int64

df[df["Column_A"] <= 3].groupby("Column_A")["Column_B"].mean()
df[df["Column_A"] > 3].groupby("Column_A")["Column_B"].mean()

如果Column_A不是数字，则使用isin

如果只需要特定的值组（1，2，3和4，5），请使用isin

df[df["Column_A"].isin([1,2,3])].groupby("Column_A")["Column_B"].mean()
df[df["Column_A"].isin([4,5])].groupby("Column_A")["Column_B"].mean()

isin doc