将DataFrame按等时间间隔拆分并计算区间均值

不用手动逐个创建区间DataFrame，用Pandas的分组功能可以一次性完成，步骤如下：

• 加载数据集
  先导入Pandas并读取你的CSV文件：

  import pandas as pd
  df = pd.read_csv('sample_data.csv')
  

• 生成等时间间隔分组
  使用pd.cut()函数自动把Time1列分成0-1、1-2…99-100的左闭右开区间（对应你说的t<1、1≤t<2这类范围）：

  # 生成0到100、步长为1的区间，right=False表示区间左闭右开
  df['time_interval'] = pd.cut(df['Time1'], bins=range(0, 101), right=False)
  

  如果需要调整步长（比如每2秒一个区间），只需要修改range的步长：range(0, 101, 2)

• 按区间计算平均值
  用groupby按区间分组，直接计算对应测量值列的平均值：

  # 把"Measurement"替换成你实际的测量值列名
  interval_avg = df.groupby('time_interval')['Measurement'].mean()
  

• 查看结果
  可以把结果转成DataFrame方便查看或导出：

  # 转成带索引的DataFrame
  result_df = interval_avg.reset_index()
  print(result_df)
  

这个方法不管有多少区间都能一次性处理，不用重复写筛选条件，比手动创建多个DataFrame高效得多。如果需要左开右闭的区间（比如0<t≤1），把pd.cut()里的right=False改成right=True即可。

内容的提问来源于stack exchange，提问作者qazwsx123