Pandas 每N行对数据帧重新采样一次

我有一个脚本，可以将系统日志文件读入数据帧，并从中生成图表。这些图表适用于小数据集。但是，当我面对更大的数据集时，由于数据收集的时间范围更大，图表变得过于拥挤，无法辨别

我计划对数据帧进行重采样，这样，如果数据集通过一定的大小，我将对其进行重采样，以便最终只有行数的大小限制。这意味着我需要过滤数据帧，这样每个n=实际大小/大小限制行将聚合到新数据帧中的一行。agregion可以是平均值，也可以是第n行的原样

---

我对熊猫不太熟悉，所以可能错过了一些明显的方法

实际上，我认为您不应该修改数据本身，而应该在所需的绘图间隔内查看数据。该视图将是要绘制的实际数据点

例如，对于计算机屏幕，一种简单的方法是计算间隔中有多少点，以及有多少像素可用。因此，对于在1000像素宽的窗口中绘制10000个点的数据帧，使用此语法（整个_数据将是一个1D数组，仅用于示例），可以采用一个步长为10的切片：

这可能会产生不期望的效果，特别是掩盖可能从切片操作中“逃逸”的短峰值。另一种方法是将数据拆分为多个存储箱，然后为每个存储箱计算一个数据点（例如，最大值）。我觉得由于numpy/pandas高效的阵列操作，这些操作实际上可能很快

---

希望这有帮助

您可以使用索引上的

pandas.qcut

方法将索引划分为相等的分位数。传递给

qcut

的值可以是

实际大小/大小限制

In [1]: from pandas import *

In [2]: df = DataFrame({'a':range(10000)})

In [3]: df.head()

Out[3]:
   a
0  0
1  1
2  2
3  3
4  4

这里，通过

qcut（df.index，5）

将索引分组，得到5个相等的分组。然后我取每组的平均值

In [4]: df.groupby(qcut(df.index,5)).mean()

Out[4]:
                       a
[0, 1999.8]        999.5
(1999.8, 3999.6]  2999.5
(3999.6, 5999.4]  4999.5
(5999.4, 7999.2]  6999.5
(7999.2, 9999]    8999.5

---

谢谢，确实有用。我错过了明显的手术。我会尝试找到一个更优雅的装箱/打包解决方案，但这种细化操作目前还有效。如果你的趋势很慢，并且没有太多尖峰，那么简单的步骤通常就足够了。我处理有噪声的信号，简单的步进有时效果很差。我计划看看一些音频编辑程序的绘图引擎，这些程序具有非常快速的绘图仪导航，例如Audacity。

In [4]: df.groupby(qcut(df.index,5)).mean()

Out[4]:
                       a
[0, 1999.8]        999.5
(1999.8, 3999.6]  2999.5
(3999.6, 5999.4]  4999.5
(5999.4, 7999.2]  6999.5
(7999.2, 9999]    8999.5