从旧数据帧创建新数据帧，其中新数据帧包含旧数据帧中不同位置的行平均列

Question

我有一个名为“frame”的数据框架，有16列201行。附加了一个屏幕截图，提供了一个示例数据帧

enter image description here

请注意，屏幕截图只是一个示例，原始数据帧要大得多

我想找到一种有效的方法（可能使用for循环或编写函数）对数据帧中的不同列进行行平均。例如，要查找列“rep”和“rep1”的平均值，以及列“repcycle”和“repcycle1”（类似于set和setcycle）的平均值，并将其保存在仅包含平均列的新数据框中

我尝试过使用iloc编写代码

newdf= frame[['sample']].copy()
newdf['rep_avg']=frame.iloc[:, [1,5]].mean(axis=1)  #average row-wise
newdf['repcycle_avg']=frame.iloc[:, [2,6]].mean(axis=1)
newdf['set_avg']=frame.iloc[:, [3,7]].mean(axis=1)  #average row-wise  
newdf['setcycle_avg']=frame.iloc[:, [4,8]].mean(axis=1)
newdf.columns = ['S', 'Re', 'Rec', 'Se', 'Sec']

上面的代码完成了这项工作，但是记下每一列的位置是很乏味的。我更愿意将此过程自动化，因为其他数据文件也会重复此过程

Answer 1

根据您的要求，“我更愿意自动化此过程，因为其他数据文件也会重复此过程” 我能想到的是：

in [1]:  frame = pd.read_csv('your path')

结果如下所示，现在您可以看到要求平均值的是第1、5和2、6列，依此类推

out [1]:
    sample  rep   repcycle  set   setcycle  rep1    repcycle1   set1    setcycle1
0   66      40    4         5     3         40      4           5       3
1   78      20    5         6     3         20      5           6       3
2   90      50    6         9     4         50      6           9       4
3   45      70    7         3     2         70      7           7       2

因此，我们需要创建两个列表

in [2]: import numpy as np
        list_1 = np.arange(1,5,1).tolist()
in [3]: list_1
out[3]: [1,2,3,4]

这是您希望平均[rep，repcycle，set，setcycle]的前半部分

in [4]: list_2 = [x+4 for x in list_1]
in [5]: list_2
out[5]: [5,6,7,8]

这是您想要平均的下半部分[rep1，repcycle1，set1，setcycle1]

in [6]: result = pd.concat([frame.iloc[:, [x,y].mean(axis=1) for x, y in zip(list_1,list_2)],axis=1)
in [7]: result.columns = ['Re', 'Rec', 'Se', 'Sec']

现在你得到了你想要的，而且它是自动化的，你所需要做的就是改变上面的两个列表

in [8]: result
out[8]:
    Re    Rec   Se   Sec
0   40.0  4.0   5.0  3.0
1   20.0  5.0   6.0  3.0
2   50.0  6.0   9.0  4.0
3   70.0  7.0   5.0  2.0