对熊猫系列的 k 个元素组应用函数答案

【问题标题】：apply function on groups of k elements of a pandas Series对熊猫系列的 k 个元素组应用函数
【发布时间】：2017-02-07 08:58:51
【问题描述】：

我有一个熊猫系列：

假设我想在每两个元素上应用mean()，所以我得到这样的结果：

0    3.0
1    9.5

有没有优雅的方法来做到这一点？

【问题讨论】：

我已经更新了我的帖子。

标签： python pandas group-by mean series

【解决方案1】：

你可以用groupby除以index除以k=2：

k = 2
print (s.index // k)
Int64Index([0, 0, 1, 1], dtype='int64')

print (s.groupby([s.index // k]).mean())
   name
0   3.0
1   9.5

【讨论】：

谢谢！有什么办法可以处理k不除数列长度的情况吗？我试过：(s[-m:].index // k)当k除m，但是没用
我想我明白了。但是你需要先reset_index - s = s[-m:].reset_index(drop=True) 然后使用print (s.groupby([s.index // k]).mean())
知道了，所以我想需要这样做 [(s.index + ((k - (len(s) % k)) % k)) // k]

【解决方案2】：

如果您在大型系列中多次使用此方法，则需要考虑一种快速方法。此解决方案使用所有 numpy 函数，速度很快。

使用reshape 并构造新的pd.Series

考虑pd.Seriess

s = pd.Series([1, 5, 20, -1])

泛化函数

def mean_k(s, k):
    pad = (k - s.shape[0] % k) % k
    nan = np.repeat(np.nan, pad)
    val = np.concatenate([s.values, nan])
    return pd.Series(np.nanmean(val.reshape(-1, k), axis=1))

演示

mean_k(s, 2)

0    3.0
1    9.5
dtype: float64

mean_k(s, 3)

0    8.666667
1   -1.000000
dtype: float64

【讨论】：

【解决方案3】：

你可以这样做：

(s.iloc[::2].values + s.iloc[1::2])/2

如果你愿意，你也可以在之后重置索引，所以你有 0, 1 作为索引，使用：

((s.iloc[::2].values + s.iloc[1::2])/2).reset_index(drop=True)

【讨论】：

我的错，有点太快了；）
这适用于 k=2 的情况，但我想对许多 k 这样做...
嗯嗯应该还是可以的，我会考虑一下:)。