绘制 Panda 数据帧子集的均值

Question

假设有一大组数据，例如   Height (m)  My data0          18      5.01          25      6.02          10      1.03          13      1.54          32      8.05          26      6.76          23      5.07           5      2.08           7      2.0我想绘制“我的数据”的平均值（如果可能的话，标准偏差）作为高度的函数，在范围 [0,5),[5,10),[10,15) 和很快。任何的想法？我尝试了不同的方法，但都不起作用

Answer 1

如果我理解正确的话：

# Precompute bins for pd.cut

bins = list(range(0, df['Height (m)'].max() + 5, 5))

# Cut Height into intervals which exclude the right endpoint, 

# with bin edges at multiples of 5

df['HeightBin'] = pd.cut(df['Height (m)'], bins=bins, right=False)

# Within each bin, get mean, stdev (normalized by N-1 by default),

# and also show sample size to explain why some std values are NaN

df.groupby('HeightBin')['My data'].agg(['mean', 'std', 'count'])

            mean       std  count

HeightBin

[0, 5)       NaN       NaN      0

[5, 10)     2.00  0.000000      2

[10, 15)    1.25  0.353553      2

[15, 20)    5.00       NaN      1

[20, 25)    5.00       NaN      1

[25, 30)    6.35  0.494975      2

[30, 35)    8.00       NaN      1

Answer 2

如果我理解正确，这就是您想要做的：

import pandas as pd

import numpy as np

bins = np.arange(0, 30, 5) # adjust as desired

df_stats = pd.DataFrame(columns=['mean', 'st_dev']) # DataFrame for the results

df_stats['mean'] = df.groupby(pd.cut(df['Height (m)'], bins, right=False)).mean()['My data']

df_stats['st_dev'] = df.groupby(pd.cut(df['Height (m)'], bins, right=False)).std()['My data']