Python中如何在带条件的For循环内计算标准差并新增偏差列

核心问题原因 #

• 条件判断列错误：需求为筛选Volt.mv列超过0.95阈值的记录，现有代码错误判断了Time.s列的值是否大于0.95，直接导致if条件未按预期触发。
• 偏差赋值逻辑错误：循环内计算的dev是全量Time.s列的统计值，属于全局固定值；且最终将单个dev值直接赋值给整个Deviation列，自然所有行的数值完全相同。
• 行对应逻辑缺失：仅将符合条件的时间值存入ecg_dev列表，未和原表的行索引做关联，无法匹配到对应行填充偏差。

修正代码 #

推荐使用pandas向量化操作替代for循环，逻辑更清晰执行效率更高：

场景1：偏差为你原代码定义的全局固定值（全列时间标准差开方/时间均值） #

import pandas as pd
import numpy as np

# 读取CSV文件
ecg = pd.read_csv("你的CSV文件路径.csv")

# 预计算全局统计值
ecg_time_mean = ecg["Time.s"].mean()
time_std_sqrt = ecg["Time.s"].std() ** 0.5
global_dev = time_std_sqrt / ecg_time_mean

# 生成Deviation列：仅Volt.mv>0.95的行填充偏差，其余为空值
ecg["Deviation"] = np.where(ecg["Volt.mv"] > 0.95, global_dev, np.nan)

# 导出符合阈值的记录可直接筛选
over_threshold_df = ecg[ecg["Volt.mv"] > 0.95]
print(over_threshold_df)

# 保存结果到新文件
ecg.to_csv("结果文件.csv", index=False)

场景2：偏差为单个时间值相对时间均值的相对偏差 #

如果你的需求是每个符合条件的时间值单独计算和时间均值的偏差，可修改偏差生成逻辑：

ecg_time_mean = ecg["Time.s"].mean()
ecg["Deviation"] = np.where(
    ecg["Volt.mv"] > 0.95,
    (ecg["Time.s"] - ecg_time_mean) / ecg_time_mean,
    np.nan
)

内容的提问来源于stack exchange，提问作者Valka