pandas如何按固定间隔位置计算DataFrame指定列的两类平均值

原代码存在的基础问题 #

• pandas Series 求均值的内置方法为.mean()，不存在.average()方法，直接调用会触发属性报错
• 硬编码切片区间[0:5]、[1:4]仅能覆盖前10行数据，无法适配任意长度数据集，也实现不了每隔5位重复取值的逻辑
• 原测试数据代码存在语法错误，字典初始化后缺失右括号

核心实现逻辑 #

两个指标的取值可以通过位置索引对5取模的方式快速拆分，无需手动循环切片，不会出现取值遗漏或错算：

• overload_average：筛选所有位置索引对5取模结果为0的行，即索引0、5、10……对应的值，计算均值
• baseline_average：筛选所有位置索引对5取模结果不为0的行，即每个overload取值点之后的4个值，对应索引1-4、6-9……区间，计算均值

纯Pandas实现代码 #

import pandas as pd

# 初始化测试数据
data = pd.DataFrame({"strain":[12, 4, 5, 4, 1, 3, 2, 5, 10, 9]})

# 按取模规则筛选值计算均值
overload_average = data['strain'].iloc[lambda x: x.index % 5 == 0].mean()
baseline_average = data['strain'].iloc[lambda x: x.index % 5 != 0].mean()

基于提供的测试数据计算结果：

• overload_average取值为索引0的12、索引5的3，均值为7.5
• baseline_average取值为剩余8个值，均值为5.0

Numpy适配方案（超大数据集性能更优） #

如果数据集规模较大，可以借助numpy生成位置掩码做筛选，逻辑和纯pandas版本一致，遍历开销更低：

import numpy as np

# 生成从0开始的连续位置索引，避免原DataFrame索引不连续/非0起始导致的错误
pos_idx = np.arange(len(data))
overload_mask = pos_idx % 5 == 0
baseline_mask = ~overload_mask

overload_average = data['strain'].iloc[overload_mask].mean()
baseline_average = data['strain'].iloc[baseline_mask].mean()

注意事项 #

• 如果你的DataFrame索引不是从0开始的连续整数，不要直接使用df.index %5做筛选，优先使用np.arange(len(df))生成位置索引，避免取值错位
• 取模逻辑天然适配末尾不足5个值的场景：比如数据长度为13时，索引10为overload取值点，索引11、12会自动被纳入baseline计算，不会出现数据遗漏

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