修改Python代码实现指定区间数据3%百分位与平均值计算
问题定位
原代码的核心缺陷:没有按照需求截取行索引范围为13240~61156的有效数据块,直接将整列原始数据传入np.nanpercentile计算。虽然非区间内的行全部为NaN,但计算逻辑没有严格锚定指定有效范围,不符合业务规则的边界要求。
具体修改方案
修改逻辑遵循两个核心要求:
- 先通过pandas行索引切片,精准圈定指定范围内的有效数据
- 基于圈定的有效数据块,分别计算3%百分位、区间平均值,计算过程自动排除NaN值
可直接运行的修改后代码
import pandas as pd import numpy as np # 读取目标Excel文件 load_var = pd.read_excel(r'path\file name.xlsx') # 按行索引区间截取有效数据:loc标签切片为左闭右闭,完全覆盖13240到61156的行范围 valid_data = load_var.loc[13240:61156, 'column whose percentile is to be found'] # 计算有效区间3%百分位(自动跳过NaN) pct_3 = np.nanpercentile(valid_data, 3) print(f"有效区间3%百分位:{pct_3}") # 计算同区间平均值(pandas mean方法默认自动跳过NaN) avg_value = valid_data.mean() print(f"有效区间平均值:{avg_value}")
关键注意事项
- 切片优先选择
loc方法:由于你的数据行索引是从0开始的默认连续数值索引,loc是标签匹配规则、切片范围左闭右闭,写13240:61156就能完全覆盖你指定的首尾行,不需要手动调整边界值;如果用iloc(位置切片、左闭右开),需要把结束位置手动写为61157,很容易出现边界漏算的问题 - 原代码中用
pd.DataFrame()把提取的列包成单元素DataFrame的操作是冗余的,直接使用提取得到的pandas Series结构即可,和numpy计算函数兼容性更好,无需额外转换 - 计算平均值时不需要手动调用
np.nanmean:pandas Series的内置mean()方法默认会自动跳过NaN值,和np.nanpercentile的缺失值处理逻辑完全一致,不会因为区间内存在零星缺失值导致计算报错
内容的提问来源于stack exchange,提问作者chinu
相关产品推荐
相关产品推荐

