如何使用Pandas按sub和window分组计算mean、stdev、rms的平均值？

这需求用Pandas的groupby配合聚合操作就能完美解决，刚好能处理不同受试者同一窗口行数不一的情况，我给你一步步拆解：

核心思路 #

我们需要先按**受试者（sub列）和窗口（window列）**的组合来分组，然后对每个分组里的mean、stdev、rms三列分别计算平均值——Pandas会自动忽略每组行数的差异，只针对组内数据计算。

具体代码 #

假设你的DataFrame名叫df，直接运行下面的代码即可：

# 按sub和window分组，计算指定列的平均值
result_df = df.groupby(['sub', 'window'])[['mean', 'stdev', 'rms']].mean().reset_index()

代码解释 #

• groupby(['sub', 'window'])：把数据按「受试者+窗口」的唯一组合分成一个个独立的小组，比如S03的窗口1是一组，S26的窗口5是另一组。
• [['mean', 'stdev', 'rms']]：明确指定只对这三列做聚合操作，避免处理其他无关列。
• .mean()：对每个分组内的指定列分别计算平均值，不管该组有6行还是15行，结果都是组内数据的均值。
• .reset_index()：把原本作为分组索引的sub和window变回普通列，方便后续查看、导出或进一步处理。

示例效果 #

举个简单例子，假设你的原始数据是这样的：

运行代码后得到的结果result_df会是：

扩展：计算多个统计量 #

如果之后需要同时计算更多统计量（比如中位数、最大值），可以用.agg()方法灵活配置：

# 同时计算均值和中位数
result_df = df.groupby(['sub', 'window'])[['mean', 'stdev', 'rms']].agg(['mean', 'median']).reset_index()

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