一种选择是使用 groupby 两次。一次用于索引:
In [11]: df.groupby(lambda x: x//2).mean()
Out[11]:
0 1 2 3
0 1.5 3.0 3 3.5
1 2.5 1.5 2 2.5
一次用于列:
In [12]: df.groupby(lambda x: x//2).mean().groupby(lambda y: y//2, axis=1).mean()
Out[12]:
0 1
0 2.25 3.25
1 2.00 2.25
注意:仅计算一次平均值的解决方案可能更可取...一种选择是 stack、groupby、mean 和 unstack,但是atm https://github.com/pydata/pandas/pull/4805这有点麻烦。
这似乎比维克多的解决方案 https://stackoverflow.com/a/18825879/1240268:
In [21]: df = pd.DataFrame(np.random.randn(100, 100))
In [22]: %timeit df.groupby(lambda x: x//2).mean().groupby(lambda y: y//2, axis=1).mean()
1000 loops, best of 3: 1.64 ms per loop
In [23]: %timeit viktor()
1 loops, best of 3: 822 ms per loop
事实上,对于更大的 DataFrame,Viktor 的解决方案会使我的(功率不足的)笔记本电脑崩溃:
In [31]: df = pd.DataFrame(np.random.randn(1000, 1000))
In [32]: %timeit df.groupby(lambda x: x//2).mean().groupby(lambda y: y//2, axis=1).mean()
10 loops, best of 3: 42.9 ms per loop
In [33]: %timeit viktor()
# crashes
正如 Viktor 指出的那样,这不适用于非整数索引,如果需要的话,您可以将它们存储为临时变量并在之后将它们反馈回来:
df_index, df_cols, df.index, df.columns = df.index, df.columns, np.arange(len(df.index)), np.arange(len(df.columns))
res = df.groupby(...
res.index, res.columns = df_index[::2], df_cols[::2]