使用滑动窗口和转置进行分组答案

【问题标题】：Grouping using Sliding Window and Transpose使用滑动窗口和转置进行分组
【发布时间】：2018-05-10 09:18:57
【问题描述】：

一个数据框（df）包含如下两列：

我需要为每三行设计一个滑动窗口类型的分组，这样：

1）取前三行，转置列（A）并附加列（B）的第三个条目，所以我们得到一行四列如下：

46 45 46 1

2) 然后向下移动一行（即从原始 df 中的第 2 行开始），重复第 1 步，得到如下第二个输出。

45 46 51 1

3) 在每次迭代中，我们得到如下的连续输出：

总之，想要的输出是 -

【问题讨论】：

为了清晰起见，我冒昧地编辑了您的帖子并提供了所需的输出...如果不正确则回滚。

标签： python pandas numpy dataframe

【解决方案1】：

这是使用numpy的stride_tricks的解决方案-

as_strided = np.lib.stride_tricks.as_strided

w = 3  # window size

i = as_strided(df.A.values, (len(df) - (w - 1), w), df.A.strides * 2)
j = df[['B']].values[(w - 1):]

np.hstack((i, j))

array([[46, 45, 46,  1],
       [45, 46, 51,  1],
       [46, 51, 47,  1],
       [51, 47, 46,  1],
       [47, 46, 45,  0],
       [46, 45, 48,  0],
       [45, 48, 47,  0],
       [48, 47, 45,  1],
       [47, 45, 49,  1]])

【讨论】：

@jezrael 你误解了这个问题...... OP想要一个滚动转置
@jezrael 所以，我认为 OP 试图做的是提供关于如何形成输出的逐步迭代解释。我想这就是让你感到困惑的地方。把每次迭代的输出放在一起，问题就清楚了一点
谢谢你们......事实上我想要@cᴏʟᴅsᴘᴇᴇᴅ 使用滑动窗口发布的答案。
@cᴏʟᴅsᴘᴇᴇᴅ zip 方法
@MuhammadAsifKhan 不客气。我怀疑任何东西都可以在速度方面超越这一点。看到这样的解决方案，我会非常感到惊讶。

【解决方案2】：

这是一个 numpy 和 python 的方法

def get_list(x,m) : return list(zip(*(x[i:] for i in range(m))))

A = np.array(get_list(df['A'],3))
B = np.array(get_list(df['B'],3))[:,-1]
new = np.append(A,B[:,None],1)

array([[46, 45, 46,  1],
       [45, 46, 51,  1],
       [46, 51, 47,  1],
       [51, 47, 46,  1],
       [47, 46, 45,  0],
       [46, 45, 48,  0],
       [45, 48, 47,  0],
       [48, 47, 45,  1],
       [47, 45, 49,  1]])

正如@coldspeed 所说，转换需要时间并且在计算上有点昂贵，因此我们可以使用简单的列表理解，即

A = get_list(df['A'],3)
B = get_list(df['B'],3)
new = [(*i,j[-1]) for i,j in zip(A,B)]

[(46, 45, 46, 1),
 (45, 46, 51, 1),
 (46, 51, 47, 1),
 (51, 47, 46, 1),
 (47, 46, 45, 0),
 (46, 45, 48, 0),
 (45, 48, 47, 0),
 (48, 47, 45, 1),
 (47, 45, 49, 1)]

【讨论】：

但请记住...如果您使用np.append 的方法，则总是更快地附加到python 列表并稍后转换一次。转换成本高，需要分配内存。