平均法下采样

Question

我有一个2维度数据框，我想按行进行下采样。因此，如果我有一个100x2000数据框，我希望它是100x500例如。我试过滚动平均值，但输出的尺寸是基于列重新采样的，并且仍然是原始形状。试图寻找其他方式我也找到了 signal.resample 但我相信它不适合我的场景。如果我有，[2,4,6,8,10,12,14,16,18]我想有一个输出[4,10,16]，这意味着一个3数字的滑动窗口，同时计算平均值有任何想法吗？

Answer 1

与numpy.convolve：

import numpy as np

arr = np.array([2,4,6,8,10,12,14,16,18])

n = 3

window = (1.0 / n) * np.ones(n,)

res = np.convolve(arr, window, mode='valid')[::n]

对于 2 x N 阵列：

from scipy import signal

arr = np.array([[2,4,6,8,10,12,14,16,18], [12,14,16,18,110,112,114,116,118]])

window = (1.0 / n) * np.ones((1, n))

#res = np.convolve(arr, window, mode='valid')[::n]

res = signal.convolve2d(arr, window, mode='valid')[:, ::n]

Answer 2

def mean_pandas(your_df, start_roling=0, mean_roling = 3):

    a = [df.iloc[:,range(i,i+mean_roling)].mean(axis=1) for i in range(start_roling,len(df),mean_roling) if i+mean_roling<=len(df)]

    b = pd.DataFrame(np.array(a).T)

    return b

mean_pandas(your_df, 0, 3)