如何计算DataFrame中各非固定长度stroke段的penetration平均值

核心逻辑 #

• 连续非0的penetration值为同一stroke的有效数据，每段有效数据后跟随的0值不需要纳入平均值计算
• 通过给每段连续非0值打上唯一的分组标签，即可批量完成所有分段的平均值计算，全程用向量化运算效率远高于逐行遍历

实现代码 #

import pandas as pd

# 此处替换为你自己的DataFrame，默认penetration值存储在`penetration`列
df = pd.read_csv("你的数据文件路径.csv")

# 生成stroke分组ID：遇到新的非0段起始位置时，分组ID累加1
df['stroke_group'] = (df['penetration'].ne(0) & df['penetration'].shift(fill_value=0).eq(0)).cumsum()

# 过滤所有0值后，按分组计算平均值
stroke_penetration_avg = df[df['penetration'] > 0].groupby('stroke_group')['penetration'].mean().reset_index()

输出说明 #

最终得到的stroke_penetration_avg包含两列：

• stroke_group：stroke的顺序编号，从1开始递增
• penetration：对应stroke段的有效penetration平均值

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