基于DataFrame中Distance累计求和条件计算Slope变量的方法求助
问题描述
我有一个包含Altitude(海拔)、Distance(距离)两列的DataFrame,需要基于这两个变量计算Slope(坡度)变量,计算规则如下:
从Distance列的第一行开始累加距离值,当累加和≥10时停止,取首行到停止索引对应的所有Altitude值的平均值,除以该段Distance的累加和,即可得到Slope。
我自己写的代码无法正常运行,求可行的实现方案,以下是我的错误代码和示例数据:
错误代码
s=[] for i in list(range(df.shape[0])): if sum(df.loc[i,'Distance']) < 10: k=sum(df.loc[i,'Distance']) elif sum(df.loc[i,'Distance']) > 10: KM_mean=sum(df.loc[i,'Distance'])/len(df.loc[i,'Distance']) s.append(KM_mean) Slope=Average('Altitude')/sum('Distance')
示例数据
| Altitude | Distance |
|---|---|
| 11.2 | 0 |
| 11.2 | 3.018 |
| 10.9 | 4.18 |
| 10.1 | 4.873 |
| 9.9 | 5.499 |
| 9.4 | 5.923 |
| 9.2 | 6.415 |
| 8.5 | 1.063 |
| 8.4 | 1.667 |
| 7.9 | 3.114 |
原代码问题说明
- 循环内每次只取了单行的Distance值调用sum函数,单个数值求和会直接报错
- 没有维护累加和变量,也没有记录符合条件的区间索引范围
- 最后直接对字符串调用Average、sum函数,完全不符合pandas语法规则
可行实现方案
逐行累加Distance值,直到累加和≥10时停止,截取对应区间计算即可,代码如下:
import pandas as pd # 构造示例DataFrame data = { 'Altitude': [11.2, 11.2, 10.9, 10.1, 9.9, 9.4, 9.2, 8.5, 8.4, 7.9], 'Distance': [0, 3.018, 4.18, 4.873, 5.499, 5.923, 6.415, 1.063, 1.667, 3.114] } df = pd.DataFrame(data) sum_dist = 0 end_idx = 0 # 遍历查找停止索引 for idx, row in df.iterrows(): sum_dist += row['Distance'] if sum_dist >= 10: end_idx = idx break # 计算Slope alt_mean = df.loc[:end_idx, 'Altitude'].mean() slope = alt_mean / sum_dist print(f"计算得到的Slope为:{slope}")
计算结果说明
以示例数据为例,Distance累加过程:
- 第0行累加后:0,小于10
- 第1行累加后:3.018,小于10
- 第2行累加后:7.198,小于10
- 第3行累加后:12.071,≥10,停止计算
对应Altitude区间是索引0到3的四行数据,平均值为10.85,最终Slope≈0.899
内容的提问来源于stack exchange,提问作者Allin
相关产品推荐
相关产品推荐

