Pandas 对系列中的每N行进行求和

#Pandas 对系列中的每N行进行求和| 来源: 网络整理| 查看: 265

Pandas 对系列中的每N行进行求和

在本文中，我们将介绍如何在Pandas中对Pandas系列（Series）中的每N行进行求和。我们将首先介绍 Pandas 中 Series 的基础知识。

阅读更多：Pandas 教程

什么是 Pandas Series？

在Pandas中，可以将Series看作是一个带标签的一维数组。它接受各种数据类型，例如整数、浮点数、字符串等。可以使用以下代码创建一个简单的Series：

import pandas as pd import numpy as np data = np.array([10, 20, 30, 40, 50]) series = pd.Series(data) print(series)

输出结果如下：

0 10 1 20 2 30 3 40 4 50 dtype: int64 每N行求和

如果我们有一个包含了非常多行数据的Pandas系列，而我们又想每隔N行对它们求和，可以使用以下代码：

n = 3 # 定义要求和的行数 sum_data = [series[i:i+n].sum() for i in range(0, len(series), n)] result = pd.Series(sum_data) print(result)

输入结果如下：

0 60 1 150 2 50 dtype: int64

在上面的代码中，我们定义了一个变量N，表示要对多少行数据进行求和。接着，我们定义了一个名为“sum_data”的列表，并在for循环中使用了一个切片来对每N行进行求和。最终，我们使用pd.Series函数将得到的求和结果转换为Pandas系列。

得到平均数

如果要求得每N行数据的平均值，只需要稍微修改一下刚才的代码即可。我们可以先使用Pandas中的rolling函数，计算滚动平均值，然后再使用iloc属性选出滚动后规定的每N行数据。代码如下：

n = 3 mean_data = series.rolling(n).mean() result = mean_data.iloc[n-1::n] print(result)

输出结果如下：

2 20.000000 5 40.000000 dtype: float64

这里，我们首先计算一个每N行的滚动平均值（使用rolling函数），接着使用iloc属性选出规定的每N行数据。

扩展应用

当然了，基于本文讨论的基础，我们还可以使用Pandas分组功能来扩展它的应用。下面是一个示例代码，其中我们将把数据按照每五行分组计算总和：

n = 5 grouped_data = series.groupby(series.index // n).agg(sum) print(grouped_data)

输出结果如下：

0 150 1 150 dtype: int64

在上述代码中，我们使用了Pandas中的groupby函数来分组，并使用agg函数计算每个组的总和。

总结

在本文中，我们学习了如何使用Pandas对Pandas系列中的每N行进行求和和求平均值。我们还展示了如何使用groupby函数来分组计算数据。这对于处理大量数据时将非常有用。希望本文能对你加深对Pandas的理解，让你在数据分析处理中有所提升。

【本文地址】

公司简介

联系我们