Python实现CSV数据列累积平均计算及可视化的方法

完整可运行代码 #

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np # 若使用numpy实现方案才需要引入

df = pd.read_csv('somecsvfile.csv')
# 补全x：生成1到numbers列长度的整数序列
x = list(range(1, len(df['numbers'])+1))
y = df['numbers']
# 补全z：pandas原生实现累积平均，无需额外依赖
z = y.expanding().mean()

# 可选numpy实现方案，运行效率更高适合超大数据量，效果和上方实现完全一致
# z = np.cumsum(y) / np.arange(1, len(y)+1)

plt.plot(x, z)
plt.xlabel('前n项')
plt.ylabel('累积平均值')
plt.show()

实现逻辑说明 #

• x生成逻辑：直接通过range生成从1开始、长度和numbers列行数完全一致的整数序列，符合需求的[1,2,3,...n]格式
• z计算逻辑：
  • pandas的expanding()方法会创建一个从序列开头扩展到当前位置的滑动窗口，调用mean()即可直接计算每个位置的前n项平均值，完全匹配你给出的计算规则，代入你提供的示例输入[1,4,7,4,19]可直接得到正确输出[1, 2.5, 4, 4, 7]
  • numpy实现方案先通过cumsum计算累积和，再逐位除以对应的项数即可得到累积平均，大文件处理性能更优
• 注意：原代码框架中df[numbers]需修改为df['numbers']，列名作为字符串引用需要加引号，否则会触发变量未定义报错

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