使用 Pandas 的列中相似外觀數據的平均值

Question

我正在處理超過 60K 行的大型數據。

我在列中連續測量電流。 一個代碼被測量一秒鍾，設備測量它 14/15/16/17 次，具體取決於設備速度，然后測量移動到下一個代碼並再次測量 14/15/16/17 次，依此類推向前。 每次測量從一個代碼移動到另一個代碼時，當前測量值都會有超過0.15的跳躍

前48行的數據如下，

指數	電流(mA)
0	1.362476
1	1.341721
2	1.362477
3	1.362477
4	1.355560
5	1.348642
6	1.327886
7	1.341721
8	1.334804
9	1.334804
10	1.348641
11	1.362474
12	1.348644
13	1.355558
14	1.334805
15	1.362477
16	1.556172
17	1.542336
18	1.549252
19	1.528503
20	1.549254
21	1.528501
22	1.556173
23	1.556172
24	1.542334
25	1.556172
26	1.542336
27	1.542334
28	1.556170
29	1.535415
30	1.542334
31	1.729109
32	1.749863
33	1.749861
34	1.749861
35	1.736024
36	1.770619
37	1.742946
38	1.763699
39	1.749861
40	1.749861
41	1.763703
42	1.756781
43	1.742946
44	1.736026
45	1.756781
46	1.964308
47	1.957395

我想編寫一個腳本，其中 14/15/16/17 次的類似數據在每個代碼測量的單獨列中平均。我一直在考慮用 pandas 來做這件事。

我希望數據看起來像

指數	電流(mA)
0	1.34907
1	1.54556
2	1.74986

需要一些幫助才能完成這項工作。 請幫忙

Answer 1

首先獲取有跳轉的每一行的索引。 使用 Pandas 的DataFrame.diff()獲取每行與前一行的值之間的差異，然后使用>檢查它是否大於0.15 。 使用它來過濾 dataframe 索引，並將結果索引（在示例數據的情況下為三個）保存在變量中。

indices = df.index[df['Curr(mA)'].diff() > 0.15]

接下來的步驟取決於源 dataframe 中是否有您想要在 output 中的更多列，或者它是否真的只是curr(mA)和索引。 在后一種情況下，您可以使用np.split()根據您剛剛提取的索引將 dataframe 切割成數據幀列表。 然后你可以提前 go 並在列表中平均它們。

[df['Curr(mA)'].mean() for df in np.split(df, indices)]

> [1.3490729374999997, 1.5455638666666667, 1.7498627333333332, 1.9608515]

為了讓它與您想要的 output 匹配（相同但與單列 dataframe 而不是列表）將列表轉換為pd.Series和reset_index() 。

pd.Series(
    [df['Curr(mA)'].mean() for df in np.split(df, indices)]
).reset_index(drop=True)

index   0
0   0   1.349073
1   1   1.545564
2   2   1.749863
3   3   1.960851