Groupby一定数量的行熊猫答案

【问题标题】：Groupby certain number of rows pandasGroupby一定数量的行熊猫
【发布时间】：2017-10-17 13:16:12
【问题描述】：

我有一个数据框，假设有 2 列：日期和双精度数

 2017-05-01   2.5
 2017-05-02   3.5
 ...          ...
 2017-05-17   0.2
 2017-05-18   2.5

现在我想做一个 groupby 并用 x 行求和。因此，即返回 6 行：

 2017-05-06  15.6
 2017-05-12  13.4
 2017-05-18  18.0

是否有一个干净的解决方案可以做到这一点，而无需通过类似这样的 for 循环运行它：

 temp = pd.DataFrame()
 j = 0
 for i in range(0,len(df.index),6):
      temp[df.ix[i]['date']] = df.ix[i:i+6]['value'].sum()

【问题讨论】：

标签： python pandas

【解决方案1】：

我猜你正在寻找重采样。考虑这个数据框

rng = pd.date_range('2017-05-01', periods=18, freq='D')
num = np.random.randint(5,size = 18)
df = pd.DataFrame({'date': rng, 'val': num})

df.resample('6D', on = 'date').sum().reset_index()

会回来

    date        val
0   2017-05-01  14
1   2017-05-07  11
2   2017-05-13  16

【讨论】：

我之前接受过，但是当我尝试您的示例时，我收到错误：TypeError: resample() got an unexpected keyword argument 'on' args = ("resample() got an unexpected keyword argument 'on' ",) with_traceback =
我注意到我使用的是 pandas 0.17，升级后它确实有效。
很抱歉我错过了两个 cmets，但很高兴它成功了

【解决方案2】：

这是使用 groupby 数据帧长度范围的替代解决方案。

两列使用agg

df.groupby(np.arange(len(df))//6).agg(lambda x: {'date': x.date.iloc[0], 
                                                 'value': x.value.sum()})

多列您可以将first（或last）用于日期，将sum 用于其他列。

group = df.groupby(np.arange(len(df))//6)
pd.concat((group['date'].first(), 
           group[[c for c in df.columns if c != 'date']].sum()), axis=1)

【讨论】：

谢谢你的额外，但是当有超过 1 个值列时它是如何工作的，所以 groupby 会比 x.value.sum() 更好？
我不确定我是否完全理解您的问题。这基本上是将 Dataframe 分组为 6 行并聚合这些行。我不确定它是否会比简单的总结更好。
现在你有了 'value' : x.value.sum() ，但是如果数据框中有 12 列，这意味着你必须为每一列都写这个，而使用 groupby 这适用于所有一次。
啊，我明白了！我会让我的答案更笼统:)
@user3605780，我更新了我的解决方案。希望现在更通用。