如何用Pandas获取各列nsmallest值的平均值以拟合下界

直接用apply()遍历DataFrame的每一列，对每一列单独调用nsmallest(n)取最小的n个值，再求平均值即可，代码示例如下：

import pandas as pd

# 假设你的目标DataFrame为df，n是需要取的最小数值的数量
# 对每列计算最小n个值的平均值
lower_bound_series = df.apply(lambda col: col.nsmallest(n).mean())
# 可选：给Series命名为'y'，索引对应x值（原列名）
lower_bound_series = lower_bound_series.rename('y')

示例验证 #

构造测试数据：

test_data = {
    0: [5, 2, 8, 1],  # x=0对应的y值
    1: [3, 6, 0, 4],  # x=1对应的y值
    2: [9, 1, 7, 3]   # x=2对应的y值
}
df = pd.DataFrame(test_data)
n = 2

# 执行计算
result = df.apply(lambda col: col.nsmallest(n).mean()).rename('y')
print(result)

输出结果：

0    1.5
1    1.5
2    2.0
Name: y, dtype: float64

这个Series的索引就是x值（原DataFrame的列名），值为对应x下最小n个y值的平均值，完全符合需求。

注：df.nsmallest(n)是对整个DataFrame筛选行维度的最小n行，而非按列处理，所以无法直接满足需求，而apply()可以实现逐列的自定义操作。

内容的提问来源于stack exchange，提问作者evan