如何计算Pandas DataFrame指定列的元素平均距离
实现方案
你可以根据自己需要的计算场景选择对应方法:
场景1:计算相邻元素的平均距离
即依次计算相邻两个元素的绝对差值,再求所有差值的平均值
import pandas as pd sample = pd.DataFrame({'a': [10, 16, 7, 2, 5]}) # 计算相邻元素差的绝对值,跳过第一个空值 adj_abs_diff = sample['a'].diff().abs().dropna() avg_distance = adj_abs_diff.mean() print(avg_distance) # 输出结果:5.75
场景2:计算所有两两元素对的平均距离
即枚举列中所有两两不同的元素组合,计算每对的绝对差值后求平均值
import pandas as pd import numpy as np from itertools import combinations sample = pd.DataFrame({'a': [10, 16, 7, 2, 5]}) val_arr = sample['a'].values # 生成所有两两组合计算绝对差再求平均 avg_distance = np.mean([abs(x - y) for x, y in combinations(val_arr, 2)]) print(avg_distance) # 输出结果:6.6
注:你示例中提到的10和16的计算式
(10 + 6)/2 = 8不符合常规平均距离的计算逻辑,如果是你自定义的计算规则,直接在上述代码中修改差值计算的逻辑即可。
内容的提问来源于stack exchange,提问作者delta classic
相关产品推荐
相关产品推荐

