如何从python中另一列（连续数据）的范围数据中提取一列的平均值、最大值和最小值答案

【问题标题】：How to extract mean, max and min values of one column from a range data of the other column (continuous data) in python如何从python中另一列（连续数据）的范围数据中提取一列的平均值、最大值和最小值
【发布时间】：2019-07-09 11:13:55
【问题描述】：

我有一个包含两列 Distance(m) 和 height(m) 的数据框。我想从 0.04439 米的距离间隔计算 max、min 和 average 高度值。

距离是一个连续的序列，从0到0.81m，每个0.00222m，共有403个值长度。

目的是从每个 0.0439m 距离（0 到 0.81m 之间的连续距离序列）的 18 个间隔中提取 18 个高度值（最大最小平均值）

然后，创建每个距离间隔的数据框（2 列）及其分别的最大最小值和高度平均值

这是一个例子：

Interval distance     Height_max(m)     Height_min(m)     Height_average(m)

1                       0.35            0.15           0.25  

2                       0.55            0.22           0.35  

3                       0.25            0.10           0.15

我的数据框中只有 2 列：

Distance(m) = [0, 0.0022, 0.0044, .... 0.81 ]
Height(m) = [ 0, 0.1, 0.5, 0.4, 0.9, .... 0.1]

有人有什么建议可以帮到我吗？

谢谢！

【问题讨论】：

嗨。请花时间阅读how to provide a great pandas example 上的这篇文章以及如何提供minimal, complete, and verifiable example 并相应地修改您的问题。 how to ask a good question 上的这些提示也可能有用。
谢谢！我有这个代码：距离（m）= [0, 0.0022, 0.0044, .... 0.81] 高度（m）= [0, 0.1, 0.5, 0.4, 0.9, .... 0.1]
添加了答案，不是 100% 确定是否理解，如果有问题，请告诉我，或者更好地添加一些示例数据以提出预期输出的问题。

标签： python pandas numpy

【解决方案1】：

我相信您需要 cut 按间隔对列进行合并，然后通过 GroupBy.agg 使用聚合函数列表进行聚合：

d = pd.cut(df['Distance'], [0, 0.0022, 0.0044, .... 0.81 ])
h = pd.cut(df['Height'],  [0, 0.1, 0.5, 0.4, 0.9, .... 0.1])

df.groupby([d, h])['Height'].agg(['min','max','mean'])

【讨论】：

ok.. 但我想从 0.0439 m 的 18 个范围中提取 18 个值，这意味着 0 到 0.0439 之间； 0.0439 至 0.0878； ... 高达 0.7661 至 0.81
@Master03Skywalker np.arange 或 np.linspace?
@Master03Skywalker - 那么需要按两个间隔分组吗？像编辑过的答案一样？
我想试试这个 bins = [0, 0.0439, 0.0878 ..... 0.7902] df['min'] = pd.cut(df.height.min, bins) # to min我在正确的道路上吗？
@Master03Skywalker - 哪些数据用于分箱？因为pd.cut 按列表中的间隔对其他数据进行分箱 - 这里由[0, 0.0022, 0.0044, .... 0.81 ] 和[0, 0.1, 0.5, 0.4, 0.9, .... 0.1] 提供，也许可以帮助this