如何使用Pandas按整秒分组计算Speed列的平均值？

问题描述 #

我有如下结构的DataFrame：

希望按整秒对Speed (m/s)列求平均值，得到如下结构的结果：

滚动平均无法得到预期结果，刚接触Pandas，求最优实现方法。

核心解法：分组聚合 #

你需要先把带小数的时间转换为整秒分组键，再通过分组计算平均值，这是最贴合需求且高效的做法，具体步骤如下：

1. 生成整秒分组依据

对Time (s)列取整数部分，把所有属于同一整秒区间的记录归为一组：

# 直接将时间列转为整数，1.1/1.9都会被归为1秒组
df['whole_second'] = df['Time (s)'].astype(int)

如果你的时间存在负数（比如回溯时间），可以用np.floor()替代，确保分组逻辑正确：

import numpy as np
df['whole_second'] = np.floor(df['Time (s)']).astype(int)

2. 分组计算平均值并整理结构

按整秒分组后，对速度列求平均，最后重置索引、重命名列来匹配目标格式：

# 分组求平均，重置索引将分组键转为普通列
result = df.groupby('whole_second')['Speed (m/s)'].mean().reset_index()

# 重命名列名匹配需求
result.rename(columns={'whole_second': 'Time (s)'}, inplace=True)

# 可选：保留两位小数，和示例中的5.67格式一致
result['Speed (m/s)'] = result['Speed (m/s)'].round(2)

完整示例代码

import pandas as pd
import numpy as np

# 模拟你的原始数据
data = {
    'Time (s)': [1.1, 1.2, 1.3, 8.3, 8.4, 8.5],
    'Speed (m/s)': [5, 2, 8, 6, 7, 4]
}
df = pd.DataFrame(data)

# 生成整秒分组列
df['whole_second'] = df['Time (s)'].astype(int)

# 分组计算平均值并整理结构
result_df = df.groupby('whole_second')['Speed (m/s)'].mean().reset_index()
result_df.rename(columns={'whole_second': 'Time (s)'}, inplace=True)
result_df['Speed (m/s)'] = result_df['Speed (m/s)'].round(2)

print(result_df)

运行后输出：

Time (s)  Speed (m/s)
0         1          5.00
1         8          5.67

为什么滚动平均不适用？ #

滚动平均是基于滑动时间窗口（比如固定时长的连续窗口）计算的，而你的需求是按离散的整秒区间（1.0_{1.999归为1秒，8.0}8.999归为8秒）做分组统计，两者的逻辑完全不同，所以滚动平均无法得到你想要的结果。

内容的提问来源于stack exchange，提问作者Marcus Bennett