如何基于DataFrame的counter分段计算f变量的区间平均值？

问题背景 #

你需要在pandas DataFrame中，以counter=1为分段起点，到下一个counter=1出现前为分段终点，计算每一段f的平均值。你的样例数据和期望输出已经很清晰，不过你尝试的自定义求和函数没能达到效果，咱们来一步步解决这个问题。

你的原始数据 #

f  counter
0  49.798        1
1  49.797        2
2  49.793        3
3  49.792        4
4  49.794        5
5  50.203        1
6  50.201        1
7  50.201        2
8  50.202        1
9  50.205        2
10 50.206        3
11 50.209        4
12 50.210        5
13 50.212        6
14 50.210        7
15 50.211        8
16 50.211        9
17 50.211       10
18 50.212       11
19 50.210       12
20 50.206       13
21 50.205       14
22 50.206       15
23 50.201       16

期望输出 #

Average
0    49.79480
1    50.20300
2    50.20100
3    50.20794

你尝试的无效代码 #

def sum_f(x):
    global total
    if counter == 1:
        total == f
        return int(total)
    if counter == 1:
        total == f
        return int(total)
    else:
        total =+ f
        return int(total)

解决方案 #

其实这个需求用pandas的分组功能就能完美解决，不需要复杂的自定义函数，核心思路是用counter=1的出现次数作为分组标识，具体步骤如下：

1. 生成分组标识 #

首先，我们先给每一段数据打上分组标签：每次遇到counter=1，就开启一个新的分组。可以用布尔序列的累加求和来实现：

import pandas as pd

# 先构造你的DataFrame（如果已经有了就跳过这一步）
df = pd.DataFrame({
    'f': [49.798,49.797,49.793,49.792,49.794,50.203,50.201,50.201,50.202,50.205,50.206,50.209,50.21,50.212,50.21,50.211,50.211,50.211,50.212,50.21,50.206,50.205,50.206,50.201],
    'counter': [1,2,3,4,5,1,1,2,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16]
})

# 创建分组键：每次counter=1时，组号自动+1
df['group'] = (df['counter'] == 1).cumsum()

执行后，df['group']会生成这样的序列：[1,1,1,1,1,2,3,3,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4]，完美对应了我们需要的分段。

2. 分组计算平均值 #

有了分组标签后，直接按group分组，对f列求平均即可：

# 计算每组的平均值，并整理成你需要的格式
average_df = df.groupby('group')['f'].mean().reset_index(name='Average')

# 只保留Average列输出
print(average_df[['Average']])

运行结果 #

执行后得到的结果和你的期望完全一致：

Average
0    49.79480
1    50.20300
2    50.20100
3    50.20794

为什么你的原代码无效？ #

顺便说下你之前代码的几个问题，避免以后踩坑：

• 全局变量风险：用global total在pandas的apply中很容易出问题，因为apply是逐行执行，全局变量的状态很难控制
• 语法错误：total == f是比较运算符，不是赋值，应该用total = f；total =+ f应该是total += f（累加赋值）
• 逻辑冗余：重复写了两次if counter == 1的判断，没有意义
• 精度丢失：最后返回int(total)会把浮点数转成整数，直接丢失了小数部分的精度

用pandas原生的分组功能不仅代码简洁，运行效率也比自定义函数高很多，还能避免这些低级错误。

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