按 N 列或 N 行分组的 DataFrame [关闭]

【问题标题】：groupby DataFrame by N columns or N rows [closed]按 N 列或 N 行分组的 DataFrame [关闭]
【发布时间】：2018-03-10 18:00:50
【问题描述】：

我想找到一个按指定数量的行或列对 DataFrame 进行分组的通用解决方案。示例数据框：

df = pd.DataFrame(0, index=['a', 'b', 'c', 'd', 'e', 'f'], columns=['c1', 'c2', 'c3', 'c4', 'c5', 'c6', 'c7'])

   c1  c2  c3  c4  c5  c6  c7
a   0   0   0   0   0   0   0
b   0   0   0   0   0   0   0
c   0   0   0   0   0   0   0
d   0   0   0   0   0   0   0
e   0   0   0   0   0   0   0
f   0   0   0   0   0   0   0

例如，我想一次按 2 行分组并应用平均值或类似函数。我还想知道如何一次按 N 列分组并应用一个函数。

按 2 行分组一次预期输出：

   c1  c2  c3  c4  c5  c6  c7
0   0   0   0   0   0   0   0
1   0   0   0   0   0   0   0
2   0   0   0   0   0   0   0

按 2 列分组一次预期输出：

   0  1  2  3
a  0  0  0  0
b  0  0  0  0
c  0  0  0  0
d  0  0  0  0
e  0  0  0  0
f  0  0  0  0

【问题讨论】：

标签： python pandas pandas-groupby

【解决方案1】：

按 N 行分组

>>> N=2

>>> df.reset_index(drop=True).groupby(by=lambda x: x/N, axis=0).mean()
   c1  c2  c3  c4  c5  c6  c7
0   0   0   0   0   0   0   0
1   0   0   0   0   0   0   0
2   0   0   0   0   0   0   0

或者这个：

>>> df.groupby(np.arange(len(df.index))//N, axis=0).mean()
   c1  c2  c3  c4  c5  c6  c7
0   0   0   0   0   0   0   0
1   0   0   0   0   0   0   0
2   0   0   0   0   0   0   0

按 N 列分组

>>> df.groupby(np.arange(len(df.columns))//N, axis=1).mean()
   0  1  2  3
a  0  0  0  0
b  0  0  0  0
c  0  0  0  0
d  0  0  0  0
e  0  0  0  0
f  0  0  0  0

【讨论】：

重置列后，使用df.groupby(by=lambda x: x/N, axis=1).mean()中的axis按列分组。
卢卡，我说重置列df.columns = range(0, len(df.columns))？然后申请df.groupby(by=lambda x: x/N, axis=1).mean()。
See stackoverflow.com/questions/36810595/… np.arange 对列也有效（您可以将其更改为 df.groupby(np.arange(len(df.columns))//N, axis=1)