Python 大熊猫任意分布的频率均值计算

我有一个很大的数据集，其值范围为

1到25

，分辨率为

o.1

。分布在性质上是任意的，模式值为1。示例数据集可以如下所示：

1,
1,
23.05,
19.57,
1,
1.56,
1,
23.53,
19.74,
7.07,
1,
22.85,
1,
1,
7.78,
16.89,
12.75,
15.32,
7.7,
14.26,
15.41,
1,
16.34,
8.57,
15,
14.97,
1.18,
14.15,
1.94,
14.61,
1,
15.49,
1,
9.18,
1.71,
1,
10.4,

如何评估不同范围（0-0.5、0.5-1等）的计数，并找出它们在pandas、Python中的频率平均值

预期产出可以是

值范围（f）发生率（n）f*n

您需要进行装箱，然后将

CategoricalIndex

转换为

IntervalIndex

，用于

mid

值，按

mul

多列，求和和和和最后除以标量：

df = pd.DataFrame({'col':[1,2.2,2.8,3.7,5.5,5.8,4.3,2.7,3.5,1.8,5.9]})
print (df)
    col
0   1.0
1   2.2
2   2.8
3   3.7
4   5.5
5   5.8
6   4.3
7   2.7
8   3.5
9   1.8
10  5.9

---

---

预期输出是什么？它给出了特定bean的算术平均值。我的要求是整个数据集的频率平均值。它是：[总和（范围的中值*出现次数）]/出现总数。@SANDIPANDAWN-您能添加预期的输出吗？如果只创建10行样本以便于验证，可能会更好。谢谢。@SANDIPANDAWN-你能修改这个问题吗，因为评论的格式不好？我已经修改了这个问题以合并演示输出。感谢@jezraelsuppose，有3个数据在2-3范围内，中间值为2.5。我们用2.5乘以3（3*2.5=7/2*1.5=3）。通过这种方式，我们可以将所有乘法数据相加，然后除以每个范围内发生的总数。这将给我数据集的平均频率。谢谢

df = pd.DataFrame({'col':[1,2.2,2.8,3.7,5.5,5.8,4.3,2.7,3.5,1.8,5.9]})
print (df)
    col
0   1.0
1   2.2
2   2.8
3   3.7
4   5.5
5   5.8
6   4.3
7   2.7
8   3.5
9   1.8
10  5.9

binned = pd.cut(df['col'], np.arange(1, 7), include_lowest=True)
df1 = df.groupby(binned).size().reset_index(name='val')
df1['mid'] = pd.IntervalIndex(df1['col']).mid
df1['mul'] = df1['val'].mul(df1['mid'])
print (df1)
            col  val     mid     mul
0  (0.999, 2.0]    2  1.4995   2.999
1    (2.0, 3.0]    3  2.5000   7.500
2    (3.0, 4.0]    2  3.5000   7.000
3    (4.0, 5.0]    1  4.5000   4.500
4    (5.0, 6.0]    3  5.5000  16.500

a = df1.sum()
print (a)
val    11.0000
mid    17.4995
mul    38.4990
dtype: float64

b = a['mul'] / a['val']
print (b)
3.49990909091