Python 如何通过2x2平均内核降低数据帧的采样

我正在尝试减少数据帧的采样，以降低粒度。在示例中，我希望减少此数据帧：

1  2  3  4
2  4  3  3
2  2  1  3
3  1  3  2

为此（使用平均值进行下采样以获得2x2数据帧）：

有没有一种内置的或有效的方法来做这件事，或者我必须自己写

---

谢谢

您可以使用两次应用的

rolling_mean

功能，首先对列应用，然后对行应用，然后对结果进行切片：

rbs = 2 # row block size
cbs = 2 # column block size
pd.rolling_mean(pd.rolling_mean(df.T, cbs, center=True)[cbs-1::cbs].T,
                rbs)[rbs-1::rbs]

这与您想要的结果相同，只是索引不同（但您可以使用

.reset\u index（drop=True）

修复此问题）：

定时信息：

In [11]: df = pd.DataFrame(np.random.randn(100, 100))
In [12]: %%timeit
         pd.rolling_mean(pd.rolling_mean(df.T, 2, center=True)[1::2].T, 2)[1::2]
100 loops, best of 3: 4.75 ms per loop
In [13]: %%timeit
         df.groupby(lambda x: x/2).mean().groupby(lambda y: y/2, axis=1).mean()
100 loops, best of 3: 932 µs per loop

---

因此，它比groupby慢5倍左右，而不是800x:）

一个选择是使用groupby两次。一次用于索引：

In [11]: df.groupby(lambda x: x//2).mean()
Out[11]:
     0    1  2    3
0  1.5  3.0  3  3.5
1  2.5  1.5  2  2.5

一次用于列：

In [12]: df.groupby(lambda x: x//2).mean().groupby(lambda y: y//2, axis=1).mean()
Out[12]:
      0     1
0  2.25  3.25
1  2.00  2.25

注：只计算一次平均值的解决方案可能更可取。。。一个选项是堆叠、分组、平均和取消堆叠，但这有点繁琐

这似乎比：

事实上，Viktor的解决方案使我的（动力不足的）笔记本电脑崩溃，以获取更大的数据帧：

正如Viktor指出的，这不适用于非整数索引，如果需要，您可以将其存储为临时变量，并在以下情况下反馈：

df_index, df_cols, df.index, df.columns = df.index, df.columns, np.arange(len(df.index)), np.arange(len(df.columns))
res = df.groupby(...
res.index, res.columns = df_index[::2], df_cols[::2]

---

你想怎么做？每隔两行取一个平均值？我想在子矩阵中对原始矩阵进行切片，然后在每个子矩阵中进行块平均。。e、 g.对于结果矩阵中的元素（1,1），计算原始矩阵中子矩阵（1:2，1:2）的块平均值。我认为2D过滤器内核被称为。我不确定这是我需要的。结果矩阵必须为2x2，其中每个样本是原始矩阵四个元素之间的块平均值。您的解决方案很有趣，但我不明白为什么生成的矩阵是2x4。@Francesco更新了答案。如果您想改进答案，可以将其推广，为行和列添加不同的大小（而不仅仅是为平方矩阵添加bs）。不管怎么说，答案很好：）这似乎不能很好地扩展，例如尝试

df=pd.DataFrame（np.random.randn（100000，100000））

。更小的1000x1000使我的翻译崩溃：（@AndyHayden我在10000x1000矩阵上试过，它在12秒内完成，但是是的，groupby大约比2.86秒快4倍，但它只在列和行标签为整数的情况下有效。没有其他情况会起作用。虽然我没有包括时间，但对于OP的玩具示例来说，这也更快。他说的

timeit

关于

rolling\u mean

我得到

每循环3:4.67毫秒的最佳值

，对于

groupby

我得到

每循环3:940µs的最佳值

。所以它大约慢了5倍，而不是800倍。@ViktorKerkez我刚刚把你的整个块作为一个函数复制了。这些是我得到的数字，对我来说它崩溃了“大”DataFrames.怪异…我在帖子中添加了我的计时信息：-/在Python3中，确保使用floor division/:

df.groupby（lambda x:x//2）.mean（）.groupby（lambda y:y//2，axis=1）.mean（）

In [12]: df.groupby(lambda x: x//2).mean().groupby(lambda y: y//2, axis=1).mean()
Out[12]:
      0     1
0  2.25  3.25
1  2.00  2.25

In [21]: df = pd.DataFrame(np.random.randn(100, 100))

In [22]: %timeit df.groupby(lambda x: x//2).mean().groupby(lambda y: y//2, axis=1).mean()
1000 loops, best of 3: 1.64 ms per loop

In [23]: %timeit viktor()
1 loops, best of 3: 822 ms per loop

In [31]: df = pd.DataFrame(np.random.randn(1000, 1000))

In [32]: %timeit df.groupby(lambda x: x//2).mean().groupby(lambda y: y//2, axis=1).mean()
10 loops, best of 3: 42.9 ms per loop

In [33]: %timeit viktor()
# crashes

df_index, df_cols, df.index, df.columns = df.index, df.columns, np.arange(len(df.index)), np.arange(len(df.columns))
res = df.groupby(...
res.index, res.columns = df_index[::2], df_cols[::2]