新建一个test数据库，在数据库里建立一张data表，内外有三个字段，id、username、age。
2
在data数据内外插入5条数据，用于下面计较数据表age列的平均值。
3
新建一个php文件，定名为test.php，在文件内利用header()方式设置文件执行编码为utf8。
4
在test.php文件内，利用new mysqli经由过程数据库账号、暗码、名称毗连数据库，并利用set_charset设置获取数据的编码为utf8，再利用if语句判定当毗连数据库不当作功时，输犯错误信息。
5
在test.php文件内，编写查询数据库的sql语句，在sql语句中，利用avg()方式求age列的平均值。
6
在test.php文件内，利用query()方式执行sql语句查询数据库，将获得的数据资本利用fetch_all()方式转换为二维数据，并经由过程echo把平均值输出在页面上。
7
在浏览器执行test.php文件，查看输出的成果。可见，当作功实现了输出age列的平均值，平均值为20。

对于以下数据帧：StationID  HoursAhead    BiasTemp
SS0279           0          10
SS0279           1          20
KEOPS            0          0
KEOPS            1          5
BB               0          5
BB               1          5
我想买一些像：StationID  BiasTemp
SS0279     15
KEOPS      2.5
BB         5
我知道我可以写这样的脚本来得到想要的结果：def transform_DF(old_df,col):
list_stations = list(set(old_df['StationID'].values.tolist()))
header = list(old_df.columns.values)
header.remove(col)
header_new = header
new_df = pandas.DataFrame(columns = header_new)
for i,station in enumerate(list_stations):
general_results = old_df[(old_df['StationID'] == station)].describe()
new_row = []
for column in header_new:
if column in ['StationID']:
new_row.append(station)
continue
new_row.append(general_results[column]['mean'])
new_df.loc[i] = new_row
return new_df
但我想知道熊猫身上是否有更直截了当的东西。

对于以下数据帧：
StationID  HoursAhead    BiasTemp
SS0279           0          10
SS0279           1          20
KEOPS            0          0
KEOPS            1          5
BB               0          5
BB               1          5
我想得到类似的东西：
StationID  BiasTemp
SS0279     15
KEOPS      2.5
BB         5
我知道我可以编写这样的脚本来获得所需的结果：
def transform_DF(old_df,col):
list_stations = list(set(old_df['StationID'].values.tolist()))
header = list(old_df.columns.values)
header.remove(col)
header_new = header
new_df = pandas.DataFrame(columns = header_new)
for i,station in enumerate(list_stations):
general_results = old_df[(old_df['StationID'] == station)].describe()
new_row = []
for column in header_new:
if column in ['StationID']:
new_row.append(station)
continue
new_row.append(general_results[column]['mean'])
new_df.loc[i] = new_row
return new_df
但我想知道大熊猫是否有更直接的东西.

根据我对你问题的理解，听起来你有一些文件，你想把每一行的平均值取到第600行，然后重复多次，直到没有更多的数据为止。所以在第600行，你平均0-600行，在1200行你平均600到1200行。在
模除法是一种在每600行命中一次平均值的方法，而不必使用单独的变量来计算循环了多少行。另外，我使用Numpy Array Slicing来创建原始数据的视图，只包含数据集中的第4列。在
这个例子应该做你想做的，但是它完全没有经过测试。。。我对numpy也不是很熟悉，所以有一些更好的方法可以做到这一点，如其他答案所述：import numpy as np
#loads file and places it in array
data = np.loadtxt('244UTZ10htz.txt', delimiter = '\t', skiprows = 2)
shape = np.shape(data)
data_you_want = data[:,3]
daily_averages = list()
#creates array for u wind values
for i,d in enumerate(data_you_want):
if (i % 600) == 0:
avg_for_day = np.mean(data_you_want[i - 600:i])
daily_averages.append(avg_for_day)
你可以修改上面的例子，把平均数写到一个新文件中，而不是像我一样把它附加到一个列表中，或者把日均数列表写到你想要的任何文件中。在
另外，这里有一个Python解决方案，只使用CSV库。它还没有经过太多的测试，但理论上应该可以工作，而且对于刚接触Python的人来说可能相当容易理解。在
^{pr2}$
希望这有帮助！在