Python Pandas dataframe：平均一个列中的值，因为另一个列具有重复项

我有一个类似于下面的数据框：

   Time    B    C  
   10:06   2    5
   10:07   5    3
   10:07   4    1 
   10:08   7    3
   10:08   9    4
   10:08   5    6

如果“时间”相等，我想取cols B和C中的值的平均值。我有下面的代码，但我意识到我没有给出一个一般情况： 1.没有重复的 2.同一分钟内读数超过3次

有没有一种更有效、更通用的方法

    rowF = len(B)
    while i < rowF -1:

    if (df.loc[i, 'Time'] == df.loc[i+1, 'Time']):
        if(df.loc[i,'Time'] == df.loc[i+2, 'Time']):
            a = df.loc[i:i+2,'B']
            avg = sum(a)/float(len(a))
            average.append(avg)
            print(average)
        else:
            a = df.loc[i:i+1,'B']
            avg = sum(a)/float(len(a))
            average.append(avg)
            print(average)

    df1['B'] = average
    i+=1

您可以将此功能用于：

df = pd.DataFrame({'Time': ['10:06', '10:07', '10:07', '10:08', '10:08', '10:08'],
                   'B': [2, 5, 4, 7, 9, 5],
                   'C': [5, 3, 1, 3, 4, 6]})

df.groupby('Time').mean()

这将返回每列的平均值，按索引值分组：

         B         C
Time
10:06  2.0  5.000000
10:07  4.5  2.000000
10:08  7.0  4.333333

---

你的预期产出是多少？只要使用

df.groupby（'Time'，as_index=False）.mean（）

？@Zero我添加了预期的输出。谢谢你的评论；您是否可以解释groupby正在做什么，我是否可以有效地为大型数据集实现它？请参阅文档：我不知道原因是什么，但它对我不起作用尝试此操作时，您会得到什么样的输出/错误？

         B         C
Time
10:06  2.0  5.000000
10:07  4.5  2.000000
10:08  7.0  4.333333