Python中是否存在按X区间计算Y值均值的函数/包？（脑容量分析场景）

Python里Pandas是处理这类时间序列/分组统计的最优工具，代码简洁、可扩展，完全能替代手动操作，以下是两种适配你需求的常用方法：

方法1：用pd.cut()手动定义时间区间 #

适合年代数据为数值型的场景（比如用负数表示公元前，如-300000代表30万年前，-100代表100年前）：

1. 准备示例数据（模拟你的分布不均情况）：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(42)
# 构造年代数据：远古数据占40%，近千年数据占60%
years = np.concatenate([
    np.random.randint(-300000, -1000, size=400),
    np.random.randint(-1000, -100, size=600)
])
# 构造脑容量数据（模拟真实分布）
brain_volume = np.random.normal(1350, 100, size=len(years))
df = pd.DataFrame({'year': years, 'brain_volume': brain_volume})

2. 按100年区间分组并计算均值：

# 生成100年跨度的区间边界：从-300000到-100，步长100
bins = np.arange(-300000, -100 + 100, 100)
# 给每个样本分配区间标签（用区间中点作为标签，方便绘图时定位）
df['year_bin'] = pd.cut(df['year'], bins=bins, labels=bins[:-1] + 50)
# 按区间分组计算平均脑容量，丢弃无数据的区间
bin_mean = df.groupby('year_bin')['brain_volume'].mean().dropna()

3. 绘图展示结果：

plt.figure(figsize=(12, 6))
bin_mean.plot(kind='line', marker='o', color='#2c3e50')
plt.xlabel('年代（公元前，年）')
plt.ylabel('平均脑容量（cm³）')
plt.title('Homo sapiens脑容量随时间变化（每100年平均）')
plt.grid(True, alpha=0.3)
plt.show()

方法2：用pd.resample()处理时间序列 #

如果将年代转换为datetime类型（Pandas支持公元前时间戳），可以用更简洁的重采样方法：

1. 转换年代为datetime格式：

# 将数值型年代转为datetime（负数值自动识别为公元前）
df['datetime'] = pd.to_datetime(df['year'], unit='Y', origin='julian')
# 设置datetime为数据索引
df = df.set_index('datetime')

2. 按100年区间重采样求均值：

# '100AS'代表100年区间（AS=Anno Domini之前，即公元前）
resampled_mean = df['brain_volume'].resample('100AS').mean().dropna()

3. 绘图（索引为datetime，可自行格式化显示）：

plt.figure(figsize=(12, 6))
resampled_mean.plot(kind='line', marker='s', color='#e74c3c')
plt.xlabel('年代')
plt.ylabel('平均脑容量（cm³）')
plt.title('Homo sapiens脑容量随时间变化（每100年平均）')
plt.grid(True, alpha=0.3)
plt.show()

扩展优势 #

• 灵活调整区间：只需修改bins步长（方法1）或resample频率参数（比如'50AS'代表50年区间），无需重构分组逻辑。
• 高效处理大数据：Pandas的分组、重采样都是向量化操作，比手动循环效率高几个数量级，数据集扩大后依然能快速运行。
• 兼容后续分析：分组结果可直接对接变点分析工具（如ruptures包），无需额外格式转换。

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