熊猫 iloc 复杂切片每 n 行

Posted 2023-02-23

【中文标题】熊猫 iloc 复杂切片每 n 行

【英文标题】：Pandas iloc complex slice every nth row

【发布时间】：2019-01-24 15:01:11

【问题描述】：

我有一个周期性为 14 行的数据框，即每条记录有 14 行数据（平均值、sdev 等），我想为每条记录重复提取第 2、4、7 和 9 行（14 行）。我的代码是：

Mean_df = df.iloc[[1,3,6,8]::14,:].copy()

这不起作用

TypeError: cannot do slice indexing on <class 'pandas.core.indexes.range.RangeIndex'> with these indexers [[1, 3, 6, 8]] of <class 'list'>

我从这里获得了代码方面的帮助，这很有用，但在多行选择上却没有—— Pandas every nth row

我可以提取几个不同的切片并组合，但感觉可能有更优雅的解决方案。

有什么想法吗？

【参考方案1】：

使用：

df[np.isin(np.arange(len(df))%14,np.array([1,3,6,8]))]

【讨论】：

干杯，它做得很好，将来绝对会再次使用它。

【参考方案2】：

您可以对 slice 和 np.r_ 使用元组推导：

arr = np.arange(14*3)
slices = tuple(slice(i, len(arr), 14) for i in (1, 3, 6, 8))

res = np.r_[slices]

print(res)

array([ 1, 15, 29,  3, 17, 31,  6, 20, 34,  8, 22, 36])

在此示例中，使用 1::14 索引数据帧行等效于使用 slice(1, df.shape[0], 14) 索引。

这是相当通用的，您可以定义切片对象的任何元组并传递给np.r_。

【讨论】：

谢谢！这很适合提供索引 - 用作 df.iloc[res,:] 工作得非常好，并且列表组合非常 Pythonic。我不知道它是否像温的回答一样可读/优雅。

@DrBAC，就其价值而言，我认为 Wen 的解决方案更适合您的具体示例。虽然我的解决方案更通用。