绘制 Panda 数据帧子集的均值

Question

假设有一大组数据，例如

   Height (m)  My data

0          18      5.0

1          25      6.0

2          10      1.0

3          13      1.5

4          32      8.0

5          26      6.7

6          23      5.0

7           5      2.0

8           7      2.0

我想绘制“我的数据”的平均值（如果可能的话，标准偏差）作为高度的函数，在范围 [0,5),[5,10),[10,15) 和很快。

任何的想法？我尝试了不同的方法，但都不起作用

Answer 1

如果我理解正确的话：# Precompute bins for pd.cutbins = list(range(0, df['Height (m)'].max() + 5, 5))# Cut Height into intervals which exclude the right endpoint, # with bin edges at multiples of 5df['HeightBin'] = pd.cut(df['Height (m)'], bins=bins, right=False)# Within each bin, get mean, stdev (normalized by N-1 by default),# and also show sample size to explain why some std values are NaNdf.groupby('HeightBin')['My data'].agg(['mean', 'std', 'count'])            mean       std  countHeightBin[0, 5)       NaN       NaN      0[5, 10)     2.00  0.000000      2[10, 15)    1.25  0.353553      2[15, 20)    5.00       NaN      1[20, 25)    5.00       NaN      1[25, 30)    6.35  0.494975      2[30, 35)    8.00       NaN      1

Answer 2

如果我理解正确，这就是您想要做的：import pandas as pdimport numpy as npbins = np.arange(0, 30, 5) # adjust as desireddf_stats = pd.DataFrame(columns=['mean', 'st_dev']) # DataFrame for the resultsdf_stats['mean'] = df.groupby(pd.cut(df['Height (m)'], bins, right=False)).mean()['My data']df_stats['st_dev'] = df.groupby(pd.cut(df['Height (m)'], bins, right=False)).std()['My data']