我有一个名为"框架"；具有16列和201行。附上了一张截图，提供了一个示例数据帧
在此处输入图像描述
请注意，屏幕截图只是一个例子，原始数据帧要大得多。
我想找到一种有效的方法(可能使用for循环或编写函数(来逐行平均数据帧中的不同列。例如，为了找到列"strong"的平均值；rep"；以及"；rep1"和列"strong>"；repcycle"；以及"；repcycle1"；(类似于set和setcycle(，并保存在一个只有平均列的新数据帧中。
我已经尝试使用iloc 编写代码
newdf= frame[['sample']].copy()
newdf['rep_avg']=frame.iloc[:, [1,5]].mean(axis=1) #average row-wise
newdf['repcycle_avg']=frame.iloc[:, [2,6]].mean(axis=1)
newdf['set_avg']=frame.iloc[:, [3,7]].mean(axis=1) #average row-wise
newdf['setcycle_avg']=frame.iloc[:, [4,8]].mean(axis=1)
newdf.columns = ['S', 'Re', 'Rec', 'Se', 'Sec']
上面的代码完成了这项工作，但注意每一列的位置是很乏味的。我更希望自动化这个过程，因为其他数据文件也会重复这个过程。
基于你的愿望"我宁愿自动化这个过程，因为这对其他数据文件也是重复的；我能想到的是下面这个：
in [1]: frame = pd.read_csv('your path')
结果如下所示，现在您可以看到您想要平均的是列1,5和2,6，依此类推
out [1]:
sample rep repcycle set setcycle rep1 repcycle1 set1 setcycle1
0 66 40 4 5 3 40 4 5 3
1 78 20 5 6 3 20 5 6 3
2 90 50 6 9 4 50 6 9 4
3 45 70 7 3 2 70 7 7 2
因此，我们需要创建2个列表
in [2]: import numpy as np
list_1 = np.arange(1,5,1).tolist()
in [3]: list_1
out[3]: [1,2,3,4]
这是你想要平均的前半部分[rep，repcycle，set，setcycle]
in [4]: list_2 = [x+4 for x in list_1]
in [5]: list_2
out[5]: [5,6,7,8]
这是下半部分的平均值[rep1，repcycle1，set1，setcycle1]
in [6]: result = pd.concat([frame.iloc[:, [x,y].mean(axis=1) for x, y in zip(list_1,list_2)],axis=1)
in [7]: result.columns = ['Re', 'Rec', 'Se', 'Sec']
现在你得到了你想要的，并且它是自动化的，你所需要做的就是从上面更改这两个列表。
in [8]: result
out[8]:
Re Rec Se Sec
0 40.0 4.0 5.0 3.0
1 20.0 5.0 6.0 3.0
2 50.0 6.0 9.0 4.0
3 70.0 7.0 5.0 2.0