熊貓在範圍內迭代。相同的數字兩次？

我寫過這段代碼，輸出結果不像預期的那樣。看起來，for循環經過第一次迭代兩次，然後錯過了第二次，直接跳到第三次。我看不出哪裏出了問題，所以有人指出這個錯誤？謝謝！下面熊貓在範圍內迭代。相同的數字兩次？

代碼：

i = 0 
df_int = df1[(df1.sLap > df_z.Entry[i]) & (df1.sLap < df_z.Exit[i]) & (df1.NLap == Lap1)] 

df_Entry = df_int.groupby(df_int.BCornerEntry).aggregate([np.mean, np.std]) 


df_Entry.rename(index={1: 'T'+str(df_z['Turn Number'][i])}, inplace=True) 

for i in range(len(df_z)): 
    df_int = df1[(df1.sLap > df_z.Entry[i]) & (df1.sLap < df_z.Exit[i]) & (df1.NLap == Lap1)] 

    df_Entry2 = df_int.groupby(df_int.BCornerEntry).aggregate([np.mean, np.std]) 

    df_Entry2.rename(index={1: 'T'+str(df_z['Turn Number'][i])}, inplace=True) 

    df_Entry = pd.concat([df_Entry, df_Entry2])

df_z是Excel文檔中包含這樣的數據：

Turn Number Entry Exit 
0    1 321 441 
1    2 893 1033 
2    3 1071 1184 
3    4 1234 1352 
4    5 2354 2454 
5    6 2464 2554 
6    7 2574 2689 
7    8 2955 3120..... and so on

然後DF1是具有幾千行的30列和10的（因此平均了大規模的數據幀和std）。

我的輸出應該是：

   tLap    
       mean  std  
BCornerEntry               
T1    6.845490 0.591227  
T2    14.515195 0.541967  
T3    19.598690 0.319181  
T4    21.555500 0.246757  
T5    34.980000 0.518170  
T6    37.245000 0.209284  
T7    40.220541 0.322800.... and so on

但是我得到這個：

   tLap    
       mean  std  
BCornerEntry               
T1    6.845490 0.591227  
T1    6.845490 0.591227  
T3    19.598690 0.319181  
T4    21.555500 0.246757  
T5    34.980000 0.518170  
T6    37.245000 0.209284  
T7    40.220541 0.322800..... and so on

T2仍然是T1和數字是一樣的嗎？我做錯了什麼？任何幫助將不勝感激！

來源

2015-09-17 OParker

這是由設計爲（http://stackoverflow.com/questions/21390035/python-pandas-groupby-object-apply-method-duplicates-first-group） – EdChum

@Anand S沿DUP [問題]表示Kumar你真的只是編輯它，在最後取消'謝謝你'？ – OParker

看看 - http://meta.stackexchange.com/questions/2950/should-hi-thanks-taglines-and-salutations-be-removed-from-posts –

相反的range(len(df_z)，請嘗試使用：

for i in range(1, len(df_z)): 
    ...

爲range從0開始之前的for循環（所以對於這個原因，它被包含兩次）第i = 0的情況下已經完成。

來源

2015-09-17 13:21:00 joris

再次歡呼Joris！ – OParker

熊貓在範圍內迭代。相同的數字兩次？

回答

相關問題