Python : df.mean이 잘못된 출력을주는 것 같습니다. 이유가 무엇입니까?

Question

배경 : 다양한 실험 작업을위한 데이터를 분석하는 중입니다. 목표는 다양한 시트를 사용하여 Excel 파일을 가져 오는 것입니다. 그런 다음 데이터에서 노이즈를 "필터링"하고 모든 샘플의 평균을 찾습니다. 그런 다음 그래프를 플롯하고 그래프를 저장하십시오.

PROGRESS & 문제 : 나는 모든 언급 한 단계를 수행 할 수 있었다 그러나, 평균 VS 다양한 샘플 최종 그래프는 그 나에게 잘못 보인다. 나는 "df.mean"이 평균을 찾는 올바른 방법인지 아닌지 잘 모르겠습니다. 내가 얻은 그래프를 첨부했는데 어떻게 든 평균이 그렇게 낮을 수 있다는 것에 동의 할 수없는 것입니까? It can be seen that the saved image from my code cuts off the legend, how can I change this?

개선 필요 : 이 유래 내 첫 번째 질문 내가 파이썬 여전히 새로운입니다. 코드는 매우 "푹신 푹신한"것처럼 보입니다. 코드 단축에 대한 제안이 있으면 감사하겠습니다.

MY CODE : 코드에서 반복 대부분의

#IMPORT LIBRARIES 
import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 

#IMPORT DATA 
excel_df= pd.ExcelFile('data.xlsx',delimiter = ';') #import entire excel file 
sheet1=pd.read_excel('data.xlsx',sheetname=0,names=['time','void1','pressure1']) 
sheet2=pd.read_excel('data.xlsx',sheetname=1,names=['time','void2','pressure2']) 
sheet3=pd.read_excel('data.xlsx',sheetname=2,names=['time','void3','pressure3']) 
sheet4=pd.read_excel('data.xlsx',sheetname=3,names=['time','void4','pressure4']) 
sheet5=pd.read_excel('data.xlsx',sheetname=4,names=['time','void5','pressure5']) 
sheet6=pd.read_excel('data.xlsx',sheetname=5,names=['time','void6','pressure6']) 
sheet7=pd.read_excel('data.xlsx',sheetname=6,names=['time','void7','pressure7']) 
sheet8=pd.read_excel('data.xlsx',sheetname=7,names=['time','void8','pressure8']) 
sheet10=pd.read_excel('data.xlsx',sheetname=9,names=['time','void10','pressure10']) 

#SORT VALUES TO FIND THE UNWANTED DATA 
sheet1.sort_values('pressure1',ascending=False).head() #the pressure has noise so sort accordingly 

#GET ONLY WANTED DATA WITHOUT NOISE 
sheet1_new = sheet1[sheet1.pressure1 <=8] #exclude the noise above 8 bar 
sheet2_new = sheet2[sheet2.pressure2 <=8] #exclude the noise above 8 bar 
sheet3_new= sheet3[sheet3.pressure3 <=8] #exclude the noise above 8 bar 
sheet4_new = sheet4[sheet4.pressure4 <=8] #exclude the noise above 8 bar 
sheet5_new = sheet5[sheet5.pressure5 <=8] #exclude the noise above 8 bar 
sheet6_new = sheet6[sheet6.pressure6 <=8] #exclude the noise above 8 bar 
sheet7_new = sheet7[sheet7.pressure7 <=8] #exclude the noise above 8 bar 
sheet8_new = sheet8[sheet8.pressure8 <=8] #exclude the noise above 8 bar 
sheet10_new = sheet10[sheet10.pressure10 <=8] #exclude the noise above 8 bar 

#MERGE THE DATASETS TO FIND AVERAGE OF ALL SAMPLES 

#'MERGE' ONLY MERGES 2 DATAFRAMES AT A TIME 
merge12_df = pd.merge(sheet1_new,sheet2_new, on='time') 
merge34_df = pd.merge(sheet3_new,sheet4_new, on='time') 
merge56_df = pd.merge(sheet5_new,sheet6_new, on='time') 
merge78_df = pd.merge(sheet7_new,sheet8_new, on='time') 

#MERGE ON FIRST OUTPUT 
all_merged = merge12_df.merge(merge34_df, on='time').merge(merge56_df, on = 'time').merge(merge78_df, on = 'time').merge(sheet10_new, on = 'time') 
#print(all_merged.head()) #check that all data is merged into one dataframe 

#AVERAGE ALL PRESSURES 
mean_all_pressures = all_merged[["pressure1", "pressure2","pressure3", "pressure4","pressure5", "pressure6","pressure7", "pressure8", "pressure10"]].mean(axis=1) 

#PRINT AVERAGE VS ALL THE SAMPLES GRAPH 
plt.figure(1) 
plt.plot(all_merged.time,mean_all_pressures,'r.') #plot the average of all samples. 
plt.plot(sheet1_new.time,sheet1_new.pressure1) 
plt.plot(sheet2_new.time,sheet2_new.pressure2) 
plt.plot(sheet3_new.time,sheet3_new.pressure3) 
plt.plot(sheet4_new.time,sheet4_new.pressure4) 
plt.plot(sheet5_new.time,sheet5_new.pressure5) 
plt.plot(sheet6_new.time,sheet6_new.pressure6) 
plt.plot(sheet7_new.time,sheet7_new.pressure7) 
plt.plot(sheet8_new.time,sheet8_new.pressure8) 
plt.plot(sheet10_new.time,sheet10_new.pressure10) 
plt.legend(['Average','Sample 1','Sample 2','Sample 3','Sample 4','Sample 5','Sample 6','Sample 7','Sample 8','Sample 10'],bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.) 
plt.xlabel('Time (s)'),plt.ylabel('Pressure (bar)') #Specify the plot details 
plt.savefig('AllPressures_vs_Average.png') #Save the plot for later use 
plt.show() #Display the plot 

Answer 1

은 각 시트에 대해 별도의 변수를 정의하고 이들 각각에 동일한 작업을 수행한다는 사실에서 비롯됩니다.

별도의 변수가 아닌 각 시트의 내용을 단일 사전에 저장하여 현재 코드를 향상시킬 수 있습니다.

documentation에서 s heetname = None을 지정하면 모든 시트를 사전으로 가져올 수 있습니다. 또는 0- 색인으로 된 [0,1,2,...,11]의 사례에서 읽을 시트 목록을 제공 할 수 있습니다. 당신이 필요로 할 때

for name, sheet in sheets_dict.iteritems(): 
    print name, sheet.head() 

당신은 개별적으로 각각의 시트에 액세스 할 수 있습니다 :

sheets_dict['sheet_1_name'] 

을 그리고 이것은 많은 반복을 피할 것

sheets_dict = pd.read_excel('data.xlsx',sheetname=None,names=['time','void1','pressure1']) 

빠르게 사용 것을 볼 수 있습니다. 예를 들어, 필터링은 단순히 다음과 같습니다

는

new_sheets_dict = {key: el[el.pressure1 <=8] for key, el in sheets_dict.iteritems)}