Python 效率：删除具有相同时间戳的行，同时保留该时间戳第二列的中位数

我想做的是： “角度”列每秒跟踪了大约20个角度（可能会有所不同）。但是我的“时间”时间戳的精度只有1s（因此总是约20行具有相同的时间戳）（数据帧中的总行数超过100万）。 我的结果将是一个新的数据帧，每一行都有一个变化的时间戳。时间戳的角度应为该间隔内~20个时间戳的中间值

我的想法是： 我遍历这些行并检查时间戳是否已更改。 如果是这样，我选择所有时间戳，直到它改变，计算中值，并将其附加到一个新的数据帧。 尽管如此，我有很多大数据文件，我想知道是否有更快的方法来实现我的目标

现在我的代码如下（见下文）。 这不是很快，我想一定有更好的方法来处理熊猫/小矮人（或其他什么？）

---

您可以在此处使用

groupby

。下面，我制作了一个简单的虚拟数据帧

import pandas as pd
df1 = pd.DataFrame({'time': [1,1,1,1,1,1,2,2,2,2,2,2],
                   'angle' : [8,9,7,1,4,5,11,4,3,8,7,6]})

df1

  time  angle
0   1   8
1   1   9
2   1   7
3   1   1
4   1   4
5   1   5
6   2   11
7   2   4
8   2   3
9   2   8
10  2   7
11  2   6

df2 =  pd.DataFrame(df1.groupby('time')['angle'].median())
df2 = df2.reset_index()
df2

    time angle
0   1     6.0
1   2     6.5

然后，我们按时间戳分组，取该组中角度列的中值，并将结果转换为数据帧

import pandas as pd
df1 = pd.DataFrame({'time': [1,1,1,1,1,1,2,2,2,2,2,2],
                   'angle' : [8,9,7,1,4,5,11,4,3,8,7,6]})

df1

  time  angle
0   1   8
1   1   9
2   1   7
3   1   1
4   1   4
5   1   5
6   2   11
7   2   4
8   2   3
9   2   8
10  2   7
11  2   6

df2 =  pd.DataFrame(df1.groupby('time')['angle'].median())
df2 = df2.reset_index()
df2

    time angle
0   1     6.0
1   2     6.5

---

您可以使用分组后的

.agg

功能根据列选择操作

df1.groupby('Time', as_index=False).agg({"angle":"median"})