根据不同的列值条件从列值形成数组

Question

我有以下数据集。

1. 10
2. 20
3. 30
4. 40
5. 50
6. 60
7. 70
8. 80
9. 90
10. 100

当第 1 列中的值保持小于 5 且大于 6 时，我的目标是用两个连续值的平均值替换第 2 列中的值。准确地说，在 6 范围内执行相同的操作，取相应第 2 列值 (70,80)=75 和 (80,90)=95 的平均值。当第 1 列的值不属于这两个范围（5 和 6）和相应的第 2 列值（50 和 60）时，我不会取第 2 列值的平均值，最后根据这三个条件创建第 2 列值的数组.

我尝试了以下方法：

import numpy as np
import pandas as pd
data= pd.read_table('/Users/Hrihaan/Desktop/Data.txt', dtype=float, header=None, sep='\s+').values
t=data[:,0]
df = pd.DataFrame({"x":t, "y":data[:,1]})
x=np.where(t<=4,data[:,1],np.nan)
x_1=np.nanmean(x.reshape(-1, 2), axis=1)
y=np.where((df.x>4)&(df.x<7), df.y,np.nan)
z=np.where(t>6,data[:,1],np.nan)
z_1=np.nanmean(z.reshape(-1, 2), axis=1)
A=np.concatenate((x_1,y,z_1), axis=0)
print(A)

我得到以下输出： [ 15. 35. 楠楠 楠楠 楠楠 50. 60. 楠楠楠楠 楠楠楠75. 95.]

我的预期输出是： [15. 35. 50. 60. 75. 95.]

任何关于如何在我的代码中绕过 np.nan 的帮助都会非常有帮助。

Answer 1

这就是你想要的

a=np.vstack((np.arange(1,11),np.arange(10,110,10))).T
b=(a[:-1,1]+a[1:,1])/2
indL=np.argmax(a[:,0]>5)-1
indH=np.argmax(a[:,0]>6)
out=np.hstack((b[:indL:2],a[indL:indH,1],b[indH::2]))

Answer 2

我真的很难在这里看到你更大的概念。对于您非常具体的问题，这将起作用：

import pandas as pd
#read your file
data= pd.read_table('test.txt', dtype = float, delim_whitespace = True, names = ["x", "y"])
#define rows you want to exclude
exclude_rows = set([5, 6])
#create new column with rolling mean of two rows
data["mean"] = data["y"].rolling(2).mean()
#overwrite rolling mean, when row should be excluded from calculating the average
data["mean"][data["x"].isin(exclude_rows)] = data["y"]
#filter data
A = data["mean"][(data["x"].isin(exclude_rows)) |  (data["x"] % 2 == 0)]

但是，如果您想排除例如 x = 4 和 6，您的预期输出是什么？然后你有几个奇异值，你没有给出任何指示，在平均过程中它们应该发生什么。