在给定另一列条件的情况下查找数据框中一列的平均值
Find average of a column in a dataframe given conditions on another column
x y
1.2 3.1
1.4 3.5
1.5 3.2
2.2 3.6
2.2 2.8
2.3 3.3
2.4 3.5
2.5 3.8
2.7 3.4
2.8 3.3
假设我有上面的数据框，我想写一个函数
def ave(pd,minx,maxx):
它计算 minx 和 maxx 之间的各个 x 值的 y 值的平均值，即在以下示例中：
ave(file, 2, 3) #where file is wherever I import these x and y values from
它会 return 3.3857...
我尝试了以下方法：
def ave(pd,minx,maxx):
x = list(data.iloc[:, 0].values)
y = list(data.iloc[:, 1].values)
lst=[]
for i in x:
if x[i]>xmin and x[i]<xmax:
lst+=y[i]
return (sum(lst)/len(list))
但这给出了错误：列表索引必须是整数或切片，而不是 numpy.float64
为什么不只是满足这些条件的 select 行？在使用数据帧时，你真的应该尽可能避免循环。
def y_average(df, min_x, max_x):
return df[(df["x"] > min_x) & (df["x"] < max_x)]["y"].mean()
用法：
In [3]: avg(df, 2, 3)
Out[3]: 3.3857142857142857
x y
1.2 3.1
1.4 3.5
1.5 3.2
2.2 3.6
2.2 2.8
2.3 3.3
2.4 3.5
2.5 3.8
2.7 3.4
2.8 3.3
假设我有上面的数据框，我想写一个函数
def ave(pd,minx,maxx):
它计算 minx 和 maxx 之间的各个 x 值的 y 值的平均值，即在以下示例中：
ave(file, 2, 3) #where file is wherever I import these x and y values from
它会 return 3.3857...
我尝试了以下方法：
def ave(pd,minx,maxx):
x = list(data.iloc[:, 0].values)
y = list(data.iloc[:, 1].values)
lst=[]
for i in x:
if x[i]>xmin and x[i]<xmax:
lst+=y[i]
return (sum(lst)/len(list))
但这给出了错误：列表索引必须是整数或切片，而不是 numpy.float64
为什么不只是满足这些条件的 select 行？在使用数据帧时，你真的应该尽可能避免循环。
def y_average(df, min_x, max_x):
return df[(df["x"] > min_x) & (df["x"] < max_x)]["y"].mean()
用法：
In [3]: avg(df, 2, 3)
Out[3]: 3.3857142857142857