查找 DataFrame 中相邻元素（行和列）的均值

Question

我有一个图像，我根据它的像素强度从中创建了一个 DataFrame。由此，我想创建一个网格，在该网格中找到该网格中每个正方形内的平均强度，由 2x2 像素表示。这样做是为了捕捉更大的强度区域，以便将它们与背景噪声区分开来。（我认为最好包含此内容以提供上下文。）在 DataFrame 中，这将转化为从一组 2 个相邻的行和列中找到 4 个值的平均值。因此，为了说明问题，假设我们有以下 DataFrame：df=pd.DataFrame({'A':(np.linspace(1,4,num=4)),'B':(np.linspace(5,8,num=4)),'C':(np.linspace(9,12,num=4)), 'D':(np.linspace(13,16,num=4))})由此，我们想要创建一个对应于每个正方形均值的 DataFrame。在这种情况下，它将对应于以下内容（例如，3 将是值为 (1,5,2,6) 的 2x2 平方的平均值，11.5 将是 (9, 13, 10, 14）：df_mean=DataFrame({'A':pd.Series([3,11.5]),'B':pd.Series([5.5,13.5])})如果问题仍然不清楚，想象一下使用原始 DataFrame 并在中间绘制一条垂直线和一条水平线。这将因此产生 4 个盒子。在 4 个框中的每个框中，您会发现 4 个值。我想计算每个框的平均值并将其插入到由框的平均值组成的新 DataFrame 中。PS：不幸的是，我还不知道如何显示数据帧本身，而不仅仅是代码。打印功能不起作用。我希望这不会太麻烦。

Answer 1

只需在底层 numpy 数组上使用卷积：

import scipy.ndimage

full_conv = scipy.ndimage.filters.convolve(df.values, 0.25*np.ones((2,2)))

strided_conv = full_conv[::2, ::2]

结果：

array([[ 3.5, 11.5],

       [ 5.5, 13.5]])