如何在python中找到每n（50）行的模式？

我有一个8列80万行的数据框。我想在一个单独的数据帧中找到特定列（例如第5列）每50行的模式。我的方法是这样的

for i in range(1, len(data['Column5'])-1) :
  splitdata = (data['Column5'][i:(i+49)])  
  mode_pressure[j] = splitdata.mode()
  i = i+50
  j = j+1

但我得到“'int'对象不支持项分配”错误。我的df如下所示

Col1 Col2   Col3     Col4        Col5   Col6    Col7 Col8
0   612458  6715209 671598606   101043  -56     224 16560   
1   612458  6715210 671598706   101038  -264    256 16696   
2   612458  6715211 671598806   101038  -144    192 16528   
3   612458  6715212 671598906   101043  -136    200 16576   
4   612458  6715213 671599006   101037  -232    104 16576   
5   612458  6715214 671599106   101038  -88     264 16904   
6   612458  6715215 671599206   101040  -200    176 16808
7   612458  6715212 671598906   101043  -136    200 16576   
8   612458  6715213 671599006   101037  -232    104 16576   
9   612458  6715214 671599106   101040  -88     264 16904   
10  612458  6715215 671599206   101040  -200    176 16808

Output: (assume mode of 5 values)
df_mode : 101038, 101048

我在R中编写了相同的函数，R返回最新（最后）的模式值，作为每组50的单个输出

i=1
j=1
while(i<=length(data$Column5)-1) {
  splitdata<-data$Column5[i:(i+49)]  
  mode_value[j] = modeest::mfv(splitdata)
  i=i+50
  j=j+1
}

i=1
j=1
而（i我认为numpy arange需要
groupby
来获得更一般的解决方案，例如，使用
DatetimeIndex
和楼层划分进行良好的工作：

df = df.groupby(np.arange(len(df)) // 50)['Col5'].apply(lambda x: x.mode())


可能存在多个值，因此可能的解决方案是
Multiindex
：

df = df.groupby(np.arange(len(df)) // 5)['Col5'].apply(lambda x: x.mode())
print (df)
0  0    101038
   1    101043
1  0    101040
2  0    101040
Name: Col5, dtype: int64

或列表：

df = df.groupby(np.arange(len(df)) // 5)['Col5'].apply(lambda x: x.mode().tolist())
print (df)
0    [101038, 101043]
1            [101040]
2            [101040]
Name: Col5, dtype: object

我认为另一个解决方案（使用
滚动
）可能是：

from scipy.stats import mode
df_mode = df['Col5'].rolling(window=50, min_periods=1).apply(lambda x: mode(x)[0])[::50]

酷！这看起来很简单。如果有多个模式值，我需要单独获取最新（最后）的值。有办法吗？@veggie crunch burger。我的笔记本电脑用完了，但是
x.mode（）.tolist（）[-1]
或
x.mode（）.iloc[-1]
应该有效。当然！让我试试看，然后再回来。非常有效！非常感谢！顺便说一句，你能告诉我使用for（）循环的方法有什么问题吗？我觉得逻辑看起来不错，但我发现错误“int”对象不支持项分配在我看来，您需要在循环之前定义第一个empy列表
mode\u pressure=[]
，然后将每个值更改
mode\u pressure[j]=splitdata.mode（）
附加到
mode\u pressure.append（splitdata.mode（））
Cool！这同样有效！谢谢。但是第一个答案比“滚动”更快“窗口。第一次大约需要3-4秒，第二次大约需要90秒。但是这会给一些有滚动窗口的有趣应用程序。是的，事实上，通过这种方式，您仍然可以在所有窗口上应用该模式（比其他解决方案多50倍）