我有一个带有深度列的数据帧,网格为0.1米。在
import pandas as pd
df1 = pd.DataFrame({'depth': [1.1, 1.2, 1.3, 1.4, 1.5, 1.6, 1.7, 1.8, 1.9, 2.0, 2.1 ],
'350': [7.898167, 6.912074, 6.049002, 5.000357, 4.072320, 3.070662, 2.560458, 2.218879, 1.892131, 1.588389, 1.573693],
'351': [8.094912, 7.090584, 6.221289, 5.154516, 4.211746, 3.217615, 2.670147, 2.305846, 1.952723, 1.641423, 1.622722],
'352': [8.291657, 7.269095, 6.393576, 5.308674, 4.351173, 3.364569, 2.779837, 2.392813, 2.013316, 1.694456, 1.671752],
'353': [8.421007, 7.374317, 6.496641, 5.403691, 4.439815, 3.412494, 2.840625, 2.443868, 2.069017, 1.748445, 1.718081 ],
'354': [8.535562, 7.463452, 6.584512, 5.485725, 4.517310, 3.438680, 2.890678, 2.487039, 2.123644, 1.802643, 1.763818 ],
'355': [8.650118, 7.552586, 6.672383, 4.517310, 4.594806, 3.464867, 2.940732, 2.530211, 2.178271, 1.856841, 1.809555 ]},
index=[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]
)
我的问题是:如何在0.5米的深度频率上存储数据以获得新的数据帧?在
或者更确切地说,对于dz=0.5 m的存储单元,如何平均df1中的列值(每0.1 m有一个数据)?在
关键是要得到相同的df结构,相同的列(350-355),但是对于某个dz间隔(行数),每列的行数应该是平均值/二进制数,比如0.5m
因此,在本例中,我的新dataframe只有两行,深度值分别为1.35和1.85m,每列都与df1中的一样。 第一个为1.1-1.6m层段的平均值,第二个为1.6-2.1m的平均值。在
你只需要定义一个grouper,然后做一个标准的groupby。加倍然后使用整数截断是一种方法。请注意,我还减去了一小部分(
sub(0.001)
),这样就可以匹配@gehbiszumeis答案的bin边缘,但这只是一个任意的bin边缘决定,可以忽略不计。在结果:
^{pr2}$或者,您可以使用
pd.bin
方法,比如@gehbiszumeis,它稍微更优雅一些。以下是该方法的一个变体,该方法产生了一个区间指数:像这样的事情:
请注意,您仍然需要更新“depth”列。另外,
groupby
的by
函数可能会变得更“智能”——根据数据帧计算出自动使用的深度。。。在使用
df.groupby
和pd.cut
的组合给予
^{pr2}$其中每行中有
35x
列的平均值,1 < x <= 1.5
,1.5 < x <= 2
等。。。在通过为
step
变量选择所需的值,可以轻松地更改重新定局。在相关问题 更多 >
编程相关推荐