如何解决有没有一种方法可以计算两个参数的标准差和均值？
我使用groupby生成了以下pd.DataFrame：
Timestemp Altitude [m] Sequence ID Horizontal Wind Speed [m/s] ... Radial Wind Speed [m/s] CNR [dB] U-Component of Wind Speed V-Component of Wind Speed
0 2019-07-29 00:00:40.901 100 617375 7.2750 ... -0.006 -15.706 7.241811 -0.694118
1 2019-07-29 00:00:40.901 150 617375 8.0700 ... 0.252 -14.960 8.068156 -0.172526
2 2019-07-29 00:00:40.901 200 617375 9.6750 ... 0.572 -13.872 9.672698 -0.211059
3 2019-07-29 00:00:40.901 250 617375 9.7975 ... 0.424 -12.584 9.786624 0.461525
4 2019-07-29 00:00:40.901 300 617375 9.0325 ... 0.054 -10.998 9.029804 -0.220684
... ... ... ... ... ... ... ... ... ...
1612 2019-07-29 00:16:59.713 1500 617425 NaN ... NaN NaN NaN NaN
1613 2019-07-29 00:16:59.713 1550 617425 NaN ... NaN NaN NaN NaN
1614 2019-07-29 00:16:59.713 1600 617425 NaN ... NaN NaN NaN NaN
1615 2019-07-29 00:16:59.713 1650 617425 NaN ... NaN NaN NaN NaN
1616 2019-07-29 00:16:59.713 1700 617425 NaN ... NaN NaN NaN NaN
但是现在有点棘手了。我想计算每个单个高度上每5分钟的平均值和标准差。 所以Timestemp与海拔高度超过5分钟。
我该如何解决？有人知道吗？ 谢谢
解决方法
您可以使用resample将数据帧按5分钟的时间进行分组。首先，您需要将timestamp变量作为索引，然后应用resample函数。 “ T”代表分钟。您可以在这里找到所有代码列表：pandas resample documentation
df.set_index('Timestamp',inplace=True)
df.resample("5T").mean()
df.resample("5T").std()
编辑：如果您还想按“海拔”分组。请记住，您仍然需要在索引上加上时间戳。
df.groupby([pd.Grouper(freq="5Min"),"Altitude"]).mean()
df.groupby([pd.Grouper(freq="5Min"),"Altitude"]).std()
首先，您需要将时间列设置为索引。然后可以使用采样频率来计算平均值和标准偏差
df = df.set_index(pd.DatetimeIndex(df['Timestemp']))
dfmean = df.groupby(pd.Grouper(freq='5T')).mean() # 5min
dfstd = df.groupby(pd.Grouper(freq='5T')).std()
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。