Python 3.x 使用对数平均值重新采样（或循环）

有没有办法使用对数平均值重新采样？我已经阅读了重采样文档，找不到任何日志平均重采样选项

我有一个带有日期时间索引的大数据框，每分钟都有观察结果。我需要计算一系列变量（列）每5分钟的对数平均值

我在下面提供了一些代码，显示了一些示例数据和我想要执行的计算。这可能是，如果没有一个“开箱即用”的log-mean重采样函数，我需要编写一个循环来实现这一点

import numpy as np
import pandas as pd

df1 = pd.DataFrame({'db' : [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 ]}, index=pd.date_range('2019-05-02T00:00:00', '2019-05-02T00:14:00', freq='1T'))

df1 = df1.resample('5T').mean() # <------ is there a way to do log mean for this?

# The calculation i am need to do is:

df2 = np.log10(10**((df1[observation minute 1]/10)) + 10**((df1[observation minute 2]/10)) + 10**((df1[observation minute 3]/10)) + 10**((df1[observation minute 4]/10)) + 10**((df1[observation minute 5]/10)))

# Where 'observation minute 1,2,3,4,5' are the 5 minutes i want to resample for.

# The resulting df i need is:

df_result = pd.DataFrame({'log_mean' : [np.log10(10**((1/10)) + 10**((2/10)) + 10**((3/10)) + 10**((4/10)) + 10**((5/10))), np.log10(10**((6/10)) + 10**((7/10)) + 10**((8/10)) + 10**((9/10)) + 10**((10/10))), np.log10(10**((11/10)) + 10**((12/10)) + 10**((13/10)) + 10**((14/10)) + 10**((15/10)))]}, index=pd.date_range('2019-05-02T00:00:00', '2019-05-02T00:14:00', freq='5T'))

将numpy导入为np
作为pd进口熊猫
df1=pd.DataFrame（{'db'：[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]），索引=pd.date_范围（'2019-05-02T00:00:00'，'2019-05-02T00:14:00'，freq='1T'））
df1=df1。重采样（'5T'）。平均值（）#结果表明，您可以使用您选择的任何函数使用
apply
：

df1 = df1.resample('5T').apply(lambda spl: 10*np.log10(np.mean(np.power(10, spl/10))))

或者您可以单独定义它

def log_avg(spl_arraylike):
  return 10*np.log10(np.mean(np.power(10, spl_arraylike/10))))

df1 = df1.resample('5T').apply(log_avg)

这将返回具有以下值的数据帧

2019-05-02 00:00:00 3.227668

2019-05-02 00:05:00 8.227668

2019-05-02 00:10:00 13.227668
事实证明，您可以使用您选择的任何函数，使用
应用
，重新采样：

df1 = df1.resample('5T').apply(lambda spl: 10*np.log10(np.mean(np.power(10, spl/10))))

或者您可以单独定义它

def log_avg(spl_arraylike):
  return 10*np.log10(np.mean(np.power(10, spl_arraylike/10))))

df1 = df1.resample('5T').apply(log_avg)

这将返回具有以下值的数据帧

2019-05-02 00:00:00 3.227668

2019-05-02 00:05:00 8.227668

2019-05-02 00:10:00 13.227668