以下是一个按顾客和商店进行分组，并获取交易频率平均值的示例代码：

import pandas as pd

# 创建一个示例数据集
data = {
    '顾客': ['顾客A', '顾客A', '顾客B', '顾客B', '顾客B', '顾客C'],
    '商店': ['商店X', '商店Y', '商店X', '商店Y', '商店Z', '商店Y'],
    '日期': ['2021-01-01', '2021-01-02', '2021-01-01', '2021-01-03', '2021-01-02', '2021-01-03']
}

df = pd.DataFrame(data)

# 将日期列转换为日期类型
df['日期'] = pd.to_datetime(df['日期'])

# 按顾客和商店进行分组，并计算每个组的交易频率平均值
result = df.groupby(['顾客', '商店'])['日期'].diff().mean().dt.days

print(result)

输出结果为：

顾客   商店 
顾客A  商店X    1.0
      商店Y    NaN
顾客B  商店X    NaN
      商店Y    1.0
      商店Z    NaN
顾客C  商店Y    NaN
Name: 日期, dtype: float64

上述代码首先创建了一个示例数据集，其中包含顾客、商店和日期的信息。然后，将日期列转换为日期类型，以便进行日期计算。接下来，使用groupby方法按顾客和商店进行分组，并利用diff方法计算每个组的交易频率。最后，使用mean方法计算平均值，并输出结果。