如何在 pandas 中一次对 `n` 行进行求和？
How do I perform a summation of `n` rows at a time in pandas?
给定一个数据框
A
0 14
1 59
2 38
3 40
4 99
5 89
6 70
7 64
8 84
9 40
10 30
11 94
12 65
13 29
14 48
15 26
16 80
17 79
18 74
19 69
这个数据框有 20 列。我想一次对 n=5 行进行分组并将它们相加。所以，我的输出看起来像这样：
A
0 250
1 347
2 266
3 328
df.rolling_sum 无济于事，因为它不允许您在求和时改变步幅。
还有什么其他方法可以做到这一点？
假设您的索引是连续的，您可以对 df.index 执行整数除法，然后按索引分组。
对于上面的df，你可以这样做：
df.index // 5
# Int64Index([0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3], dtype='int64')
得到最终答案只是多了一步，使用df.groupby and dfGroupBy.sum:
df.groupby(df.index // 5).sum()
A
0 250
1 347
2 266
3 328
如果您没有 RangeIndex，请先使用 df.reset_index，然后再分组。
df.set_index(df.index // 5).sum(level=0)
如果您可以使用求和而不是系列来管理 ndarray（无论如何您总是可以再次构建系列），则可以使用 np.add.reduceat。
np.add.reduceat(df.A.values, np.arange(0, df.A.size, 5))
在这种情况下 returns
array([250, 347, 266, 328])
给定一个数据框
A
0 14
1 59
2 38
3 40
4 99
5 89
6 70
7 64
8 84
9 40
10 30
11 94
12 65
13 29
14 48
15 26
16 80
17 79
18 74
19 69
这个数据框有 20 列。我想一次对 n=5 行进行分组并将它们相加。所以，我的输出看起来像这样：
A
0 250
1 347
2 266
3 328
df.rolling_sum 无济于事，因为它不允许您在求和时改变步幅。
还有什么其他方法可以做到这一点？
假设您的索引是连续的，您可以对 df.index 执行整数除法，然后按索引分组。
对于上面的df，你可以这样做：
df.index // 5
# Int64Index([0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3], dtype='int64')
得到最终答案只是多了一步，使用df.groupby and dfGroupBy.sum:
df.groupby(df.index // 5).sum()
A
0 250
1 347
2 266
3 328
如果您没有 RangeIndex，请先使用 df.reset_index，然后再分组。
df.set_index(df.index // 5).sum(level=0)
如果您可以使用求和而不是系列来管理 ndarray（无论如何您总是可以再次构建系列），则可以使用 np.add.reduceat。
np.add.reduceat(df.A.values, np.arange(0, df.A.size, 5))
在这种情况下 returns
array([250, 347, 266, 328])