在python中计算每n行数据帧的最大/最小值

我想计算df中每n行的最小值/最大值，比如说10，但是使用df.rolling（10）。max（）给出0-9、1-10、2-11等行的值。我想要0-9、10-19、20-29等

对于大型数据集，有没有一种简洁的方法可以做到这一点

谢谢使用 计算

0

到

len（df）-1的数组，然后计算整个除数。我们可以将此数组与一起使用


示例
设置

df=pd.DataFrame({'A':range(30)})
print(df)
     A
0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
9    9
10  10
11  11
12  12
13  13
14  14
15  15
16  16
17  17
18  18
19  19
20  20
21  21
22  22
23  23
24  24
25  25
26  26
27  27
28  28
29  29


解决方案

n=9
df_max = df.groupby(np.arange(len(df))//n).max()
print(df_max)
    A
0   8
1  17
2  26
3  29

如您所见，将创建从0到m列出的组。结果数据帧是每个组的最大值


您还可以选择列来计算
max

df.groupby(np.arange(len(df))//n)[cols].max()

当然，如果您想使用多个函数，请使用

细节

np.arange(len(df))//n
#array([0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2,
#       2, 2, 2, 2, 2, 3, 3, 3])

编辑

first_row = 2
df2 = df[first_row:]
df2.groupby(np.arange(len(df2))//n).max()

成功的关键是按照np.arange（len（df.index））//10（或change）进行分组
10（组大小）到您需要的任何其他值）

假设您有3列要计算最小/最大值（['A'，'B'，'C']），
您可以运行：

df.groupby(np.arange(len(df.index)) // 10)[['A', 'B', 'C']].agg(['min', 'max'])

这是我的解决方案，将len（df）

更改为len

（df.index）

请不要复制解决方案我们的解决方案仅相隔3分钟，因此没有人可以声称我刚刚复制了您的解决方案。另一方面，我包含了计算所有必需函数的代码，而不仅仅是max（）。这非常有效！是否有方法将其偏移，以便第一行可以是任何行？是的，请选中“节编辑”

df.groupby(np.arange(len(df.index)) // 10)[['A', 'B', 'C']].agg(['min', 'max'])