给定一个数据框
A
0 14
1 59
2 38
3 40
4 99
5 89
6 70
7 64
8 84
9 40
10 30
11 94
12 65
13 29
14 48
15 26
16 80
17 79
18 74
19 69
此数据框有 20 列。我想一次对n=5
行进行分组并汇总它们。因此,我的输出如下所示:
A
0 250
1 347
2 266
3 328
df.rolling_sum
无济于事,因为它不允许你在求和时改变步幅。
还有什么其他方法可以做到这一点?
df.set_index(df.index // 5).sum(level=0)
如果你可以用总和而不是系列来管理一个 ndarray(无论如何你总是可以再次构造一个系列(,你可以使用np.add.reduceat
.
np.add.reduceat(df.A.values, np.arange(0, df.A.size, 5))
在这种情况下返回
array([250, 347, 266, 328])
假设索引是连续的,则可以对df.index
执行整数除法,然后按索引分组。
对于上述df
,您可以执行以下操作:
df.index // 5
# Int64Index([0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3], dtype='int64')
获得最终答案只是再一步,使用df.groupby
和dfGroupBy.sum
:
df.groupby(df.index // 5).sum()
A
0 250
1 347
2 266
3 328
如果没有RangeIndex
,请先使用df.reset_index
,然后再使用组。