Python：如何通过对相邻单元格求和来重塑数据帧？

我已经从一个矩阵生成了一个数据帧

df

M=np.random.randint(10, size=(7, 5))
df = pd.DataFrame(M)
df  
        0   1   2   3   4
     0  8   3   2   2   5
     1  5   8   1   5   6
     2  1   9   1   4   2
     3  0   7   7   6   9
     4  5   8   7   0   9
     5  0   3   9   9   4
     6  7   7   8   5   4

我想通过对

df

的相邻单元格

3x3

求和来生成一个新的数据帧

df1

### Aggregate rows 0,1,2 and columns 0,1,2
df1[0][0] = [8+3+2+5+8+1+1+9+1] = 38
### Aggregate rows 0,1,2 and columns 2,3,4
df1[1][0] = [2+2+5+1+5+6+1+4+2] = 28

### Aggregate rows 2,3,4 and columns 0,1,2
df1[1][0] = [1+9+1+0+7+7+5+8+7] = 45
### Aggregate rows 2,3,4 and columns 2,3,4
df1[1][1] = [1+4+2+7+6+9+7+0+9] = 45

### Aggregate rows 4,5,6 and columns 0,1,2
df1[2][0] = [5+8+7+0+3+9+7+7+8] = 55
### Aggregate rows 4,5,6 and columns 2,3,4
df1[2][1] = [7+0+9+9+9+4+8+5+4] = 55


df1    
        0    1
    0  38   28
    1  45   45
    2  55   55

---

您可以使用

df.shift

axes = (0, 1)
shifts = -1, 1
intermediate_sum = (
    df
    + sum(df.shift(shift, axis=axis) for shift, axis in product(shifts, axes))
)
result = (
    intermediate_sum.dropna(how="all", axis=0)
    .dropna(how="all", axis=1)
    .iloc[::2, ::2]
)
result

---

您可以使用

df.shift

axes = (0, 1)
shifts = -1, 1
intermediate_sum = (
    df
    + sum(df.shift(shift, axis=axis) for shift, axis in product(shifts, axes))
)
result = (
    intermediate_sum.dropna(how="all", axis=0)
    .dropna(how="all", axis=1)
    .iloc[::2, ::2]
)
result

---

您可以使用scipy中的卷积函数来实现：

M = np.random.randint(10, size=(7, 5))
print(M)

[[9 2 4 5 8]
 [4 0 3 4 9]
 [9 4 6 3 0]
 [4 6 9 9 5]
 [4 3 1 3 9]
 [9 2 9 0 7]
 [4 3 7 6 1]]


from scipy.signal import convolve2d

r = convolve2d(M, np.ones([3,3]), mode='same')[1::2,1::2]
print(r)

[[41. 42.]
 [46. 45.]
 [42. 43.]]

此处

np.ones（[3,3]）

生成掩码，3x3个一的矩阵：

array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

我使用[1:：2，1:：2]索引从元素1开始，而不是从0开始，并像在问题中一样跳过每一行/列

---

有关更多信息，请参见

，您可以在scipy中使用函数卷积来实现：

M = np.random.randint(10, size=(7, 5))
print(M)

[[9 2 4 5 8]
 [4 0 3 4 9]
 [9 4 6 3 0]
 [4 6 9 9 5]
 [4 3 1 3 9]
 [9 2 9 0 7]
 [4 3 7 6 1]]


from scipy.signal import convolve2d

r = convolve2d(M, np.ones([3,3]), mode='same')[1::2,1::2]
print(r)

[[41. 42.]
 [46. 45.]
 [42. 43.]]

此处

np.ones（[3,3]）

生成掩码，3x3个一的矩阵：

array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

我使用[1:：2，1:：2]索引从元素1开始，而不是从0开始，并像在问题中一样跳过每一行/列

---

另请参见了解更多信息，以澄清：每次求和都会跳过一行一列？@MarcusLim在我的例子中，我有一个矩阵103 x 159，我必须找到一个解决方案来聚合这些值。在这种情况下，我跳过两行两列的每个和，我觉得应该有一些方法。看起来像一个简单的卷积来澄清：每个和，你跳过一行一列？@MarcusLim在我的情况下，我有一个矩阵103 x 159，我必须找到一个解决方案来聚合这些值。在这种情况下，每个和我跳过两行和两列，加上标记numpy，我觉得应该有一些方法来解决这个问题。看起来像是一个简单的卷积。我得到了以下结果：

AxisError:axis1超出了维度1数组的界限，当我试图计算
中间值时，结果与预期不同？@RafaelC随机数是生成的，没有设置种子。参见OP的顶行。我得到以下信息：
AxisError:当我试图计算
中间值和时，轴1超出维度1数组的界限
，结果与预期不同？@RafaelC生成随机数，没有设置种子。看《凤凰社》的头条。这正是我要找的。一个问题：为什么有
np.ones（[3,3]）
？
np.ones（[3,3]）
生成掩码，3x3矩阵1'，这正是我想要的。一个问题：为什么有
np.one（[3,3]）
？
np.one（[3,3]）
生成掩码，3x3矩阵1