【发布时间】：2014-09-23 05:02:19
【问题描述】：
Dataframe.resample() 仅适用于时间序列数据。我找不到从非时间序列数据中获取每 n 行的方法。最好的方法是什么？
【问题讨论】：
标签： python pandas resampling
【发布时间】：2014-09-23 05:02:19
【问题描述】：
我会使用iloc，它采用行/列切片，既基于整数位置，又遵循正常的python语法。如果你想要每 5 行：
df.iloc[::5, :]
【讨论】：
-
对于那些可能想要的人，例如，每五行，但从第二行开始，它将是
df.iloc[1::5, :]。 -
可以省略列部分：
df.iloc[::5] -
@chrisb 如何指定起始行？像每 5 行一样，从第二行开始？
-
你如何从后面包含它？
-
@banderlog013 不，这很直观 - 只需
df.iloc[::3]就足够了。您想要（“直观地”）是选择的第一行不是数据框中的第一行。不难看出，对于任何给定的 N（“给我 N 行，从自然计数的第 N 行开始”），索引是df.iloc[(N-1)::N]。这种行为很少需要，但是...
虽然@chrisb 接受的答案确实回答了这个问题，但我想补充以下内容。
我用来获取nth 数据或删除nth 行的简单方法如下：
df1 = df[df.index % 3 != 0] # Excludes every 3rd row starting from 0
df2 = df[df.index % 3 == 0] # Selects every 3rd raw starting from 0
这种基于算术的采样能够实现更复杂的行选择。
这假设，当然，您有一个从 0 开始的 有序、连续、整数的 index 列。
【讨论】：
-
这不是一个好的答案，因为做了三个假设，这些假设经常不满足：（1）索引是数字的（2）它从零开始的索引（3）索引值是连续的。 .. 最后一个特别重要，因为您不能在不重置索引的情况下多次使用建议的方法
-
我同意你的观点。将编辑答案以使假设更明确。
-
@Constantine 仍然会比其他解决方案更快，因为您可以简单地添加索引？
我有类似的要求，但我想要特定组中的第 n 个项目。我就是这样解决的。
groups = data.groupby(['group_key'])
selection = groups['index_col'].apply(lambda x: x % 3 == 0)
subset = data[selection]
【讨论】：
对于已接受的答案，还有一个更简单的解决方案，即直接调用df.__getitem__。
df = pd.DataFrame('x', index=range(5), columns=list('abc'))
df
a b c
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
例如，要获取每 2 行，您可以这样做
df[::2]
a b c
0 x x x
2 x x x
4 x x x
还有GroupBy.first/GroupBy.head，你在索引上分组：
df.index // 2
# Int64Index([0, 0, 1, 1, 2], dtype='int64')
df.groupby(df.index // 2).first()
# Alternatively,
# df.groupby(df.index // 2).head(1)
a b c
0 x x x
1 x x x
2 x x x
索引按步幅（在本例中为 2）进行地板分割。如果索引是非数字的，则改为这样做
# df.groupby(np.arange(len(df)) // 2).first()
df.groupby(pd.RangeIndex(len(df)) // 2).first()
a b c
0 x x x
1 x x x
2 x x x
【讨论】：
我在使用索引时提出的解决方案不可行（可能是多 Gig .csv 太大，或者我错过了一些可以让我重新索引而不会崩溃的技术）。
一次遍历一行并将第 n 行添加到新数据帧。
import pandas as pd
from csv import DictReader
def make_downsampled_df(filename, interval):
with open(filename, 'r') as read_obj:
csv_dict_reader = DictReader(read_obj)
column_names = csv_dict_reader.fieldnames
df = pd.DataFrame(columns=column_names)
for index, row in enumerate(csv_dict_reader):
if index % interval == 0:
print(str(row))
df = df.append(row, ignore_index=True)
return df
【讨论】：
df.drop(labels=df[df.index % 3 != 0].index, axis=0) # every 3rd row (mod 3)
【讨论】：
-
虽然这段代码可能会回答这个问题，including an explanation 关于如何或为什么解决问题将真正有助于提高您的帖子质量。请记住，您正在为将来的读者回答问题，而不仅仅是现在提问的人。请edit您的回答添加解释并说明适用的限制和假设。
将reset_index() 添加到metastableB's answer 允许您只需要假设行是有序且连续的。
df1 = df[df.reset_index().index % 3 != 0] # Excludes every 3rd row starting from 0
df2 = df[df.reset_index().index % 3 == 0] # Selects every 3rd row starting from 0
df.reset_index().index 将创建一个从 0 开始并以 1 递增的索引，让您可以轻松地使用模数。
【讨论】：