Loops 计算移动值范围内的平均值和标准偏差

BLUF：（使用Python3.0）以0.25为增量，我希望计算并存储一系列值的平均值/std，以便以后绘制它们或进行进一步分析

计算平均值/std很容易，但我无法正确地使用算法在值范围内正确迭代

数据：

到目前为止，我得到的是标准化的玩具数据，看起来像是散弹枪爆炸，其中一个目标区域以0.25的增量隔离在黑线之间：

import csv
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt 
from matplotlib import pyplot as plt
import seaborn as sns
Data=pd.read_csv("Data.csv")

g = sns.jointplot(x="x", y="y", data=Data)

bottom_lim = 0
top_lim = 0.25
temp = Data.loc[(Data.y>=bottom_lim)&(Data.y<top_lim)]
g.ax_joint.axhline(top_lim, c='k', lw=2)
g.ax_joint.axhline(bottom_lim, c='k', lw=2)

# we have to create a secondary y-axis to the joint-plot, otherwise the kde 
might be very small compared to the scale of the original y-axis
ax_joint_2 = g.ax_joint.twinx()
sns.kdeplot(temp.x, shade=True, color='red', ax=ax_joint_2, legend=False)
ax_joint_2.spines['right'].set_visible(False)
ax_joint_2.spines['top'].set_visible(False)
ax_joint_2.yaxis.set_visible(False)

# calculating the StdDev of the y-axis band above
S = temp.std()
M = temp.mean()
print("StdDev", S)
print("Mean", M)

---

但在循环中执行此操作以覆盖从0到8的整个“y”变量范围。我希望以一种格式保存这些结果，以便以后打印或进一步操作它们（列表、数组等）。

一个简单的

，而
循环可以实现我们在这里想要的：

bottom_lim, top_lim = 0, 0.25
g = sns.jointplot(x="x", y="y", data=data)
while bottom_lim < 7.75 and top_lim < 8:
    temp = data.loc[(data.y>=bottom_lim)&(data.y<top_lim)]
    g.ax_joint.axhline(top_lim, c='g', lw=2)
    g.ax_joint.axhline(bottom_lim, c='g', lw=2)
    ax_joint_2 = g.ax_joint.twinx()
    sns.kdeplot(temp.x, shade=True, color='green', ax=ax_joint_2, legend=False)
    ax_joint_2.spines['right'].set_visible(False)
    ax_joint_2.spines['top'].set_visible(False)
    ax_joint_2.yaxis.set_visible(False)
    # calculating the StdDev of the band above
    S = temp.std()
    M = temp.mean()
    print("StdDev", S)
    print("Mean", M)
    bottom_lim+=0.25
    top_lim+=0.25

bottom_lim，top_lim=0,0.25
g=sns.jointplot（x=“x”，y=“y”，数据=数据）
当底部边缘<7.75和顶部边缘<8时：
temp=data.loc[（data.y>=bottom_lim）和（data.y
bottom_lim, top_lim = 0, 0.25
g = sns.jointplot(x="x", y="y", data=data)
while bottom_lim < 7.75 and top_lim < 8:
    temp = data.loc[(data.y>=bottom_lim)&(data.y<top_lim)]
    g.ax_joint.axhline(top_lim, c='g', lw=2)
    g.ax_joint.axhline(bottom_lim, c='g', lw=2)
    ax_joint_2 = g.ax_joint.twinx()
    sns.kdeplot(temp.x, shade=True, color='green', ax=ax_joint_2, legend=False)
    ax_joint_2.spines['right'].set_visible(False)
    ax_joint_2.spines['top'].set_visible(False)
    ax_joint_2.yaxis.set_visible(False)
    # calculating the StdDev of the band above
    S = temp.std()
    M = temp.mean()
    print("StdDev", S)
    print("Mean", M)
    bottom_lim+=0.25
    top_lim+=0.25