Python 如何在数据帧上执行窗口操作？

给定

ssss

：

import pandas as pd
import numpy as np

ssss = pd.DataFrame(np.arange(6))

我想在数据帧上执行滑动窗口操作

我想在任意大小的滑动窗口上以任意的步幅执行一个通用函数（在本例中是指，但它可以是另一个函数，并且涉及多个输入列）

在这种情况下，窗口大小为2，步幅长度也为2

熊猫是否支持这种操作

res:

---

似乎我找的不是

groupby

我可以使用numpy解决方案，但即使如此，我也不确定标准方法是什么。我希望熊猫会支持这样的东西，但找不到任何方法

---

编辑：

ssss

：

import pandas as pd
import numpy as np

ssss = pd.DataFrame(np.arange(6))

假设第1列的值是字符串

   0 res
0  0 0.5
1  1 0.5
2  2 2.5
3  3 2.5
4  4 4.5
5  5 4.5

我想用一个非常普遍的例子

   0 1   2
0  0 "5" a
1  1 "4" b
2  2 "3" c
3  3 "2" d
4  4 "1" e
5  5 "0" f

获取（忽略第2列时）

---

这首先使用自定义函数执行行缩减，然后执行带窗口的列缩减。

如果窗口不重叠，则可以使用

groupby

我认为您需要整数除法：

   0 1   2 res
0  0 "5" a "05,24"
1  1 "4" b "05,24"
2  2 "3" c "43,62"
3  3 "2" d "43,62"
4  4 "1" e "81,100"
5  5 "0" f "81,100"

编辑：

---

如果窗口没有重叠，可以使用

groupby

我认为您需要整数除法：

   0 1   2 res
0  0 "5" a "05,24"
1  1 "4" b "05,24"
2  2 "3" c "43,62"
3  3 "2" d "43,62"
4  4 "1" e "81,100"
5  5 "0" f "81,100"

编辑：

---

如何使用我自己的函数，可以接受更多列作为输入？请参阅编辑。我试着尽可能的笼统和精确。也许

，“.join

没有什么意义，但我希望这传达了主要思想。另外，请注意ssss.index//2不允许步幅重叠，但如果这是为了另一个问题，我不介意。@Gulzar-不确定是否理解，所以可能新问题会很好，我将脱机，因此其他人将为您解答。我将如何使用我自己的函数，可以接受更多列作为输入？请参阅编辑。我试着尽可能的笼统和精确。也许

，“.join

没有什么意义，但我希望这传达了主要思想。另外，请注意ssss.index//2不允许步幅重叠，但如果这是为了另一个问题，我不介意。@Gulzar-不确定是否理解，所以可能新问题会很好，我将脱机，所以其他人会为您解答。但令我非常失望的是，步长仍然硬编码为1。@timgeb我确实考虑过这一点，并想知道如果步长不是1，预期的输出会是什么。我认为这没有多大意义。但令我非常失望的是，步长仍然被硬编码为1。@timgeb我确实考虑过这一点，并想知道如果步长不是1，预期的输出会是什么。我想这没什么意义。

#if default RangeIndex
ssss['res'] = ssss.groupby(ssss.index // 2)[0].transform('mean')
#any index - helper array
ssss['res'] = ssss.groupby(np.arange(len(ssss)) // 2)[0].transform('mean')
print (ssss)
   0  res
0  0  0.5
1  1  0.5
2  2  2.5
3  3  2.5
4  4  4.5
5  5  4.5

print (df)
   0  1  2
0  0  5  a
1  1  4  b
2  2  3  c
3  3  2  d
4  4  1  e
5  5  0  f

def row_reduce(col0, col1):
    return str(2 * col0) + str(col1)

def col_reduce(rows_data):
    return ",".join(rows_data)


df['res'] = (df.apply(lambda x: row_reduce(x[0], x[1]), axis=1)
               .groupby(df.index // 2)
               .transform(col_reduce))
print (df)
   0  1  2     res
0  0  5  a   05,24
1  1  4  b   05,24
2  2  3  c   43,62
3  3  2  d   43,62
4  4  1  e  81,100
5  5  0  f  81,100