平均法下采样

Question

我有一个2维数据框架，我想按行向下取样。因此，如果我有一个100x2000数据，我希望它是100x500，例如。我试过滚动平均，但输出的尺寸是重放的基于列的，仍然是原来的形状。试图寻找其他方法，我也找到了signal.resample，但我相信它不适合我的情况。如果我有[2,4,6,8,10,12,14,16,18]，我希望有一个输出[4,10,16]，这意味着3数的滑动窗口，同时计算平均值。

有什么想法吗？

谢谢

Answer 1

用numpy.convolve

import numpy as np

arr = np.array([2,4,6,8,10,12,14,16,18])
n = 3
window = (1.0 / n) * np.ones(n,)
res = np.convolve(arr, window, mode='valid')[::n]

对于2xN阵列：

from scipy import signal

arr = np.array([[2,4,6,8,10,12,14,16,18], [12,14,16,18,110,112,114,116,118]])
window = (1.0 / n) * np.ones((1, n))
#res = np.convolve(arr, window, mode='valid')[::n]
res = signal.convolve2d(arr, window, mode='valid')[:, ::n]

Answer 2

def mean_pandas(your_df, start_roling=0, mean_roling = 3):
    a = [df.iloc[:,range(i,i+mean_roling)].mean(axis=1) for i in range(start_roling,len(df),mean_roling) if i+mean_roling<=len(df)]
    b = pd.DataFrame(np.array(a).T)
    return b

mean_pandas(your_df, 0, 3)

Answer 3

尝尝这个

A = pd.DataFrame(pd.np.random.randint(10, size=(18, 18)))
pd.DataFrame({i: A[A.index[i*3: i*3 + 3]].mean(axis=1).tolist() for i in range(A.shape[1]//3)})