python - 如何在 python 中查找每 n ( 50 ) 行的模式？

Question

我有一个包含 8 列和约 80 万行的数据框。我想在单独的数据框中找到特定列(例如第 5 列)每 50 行的模式。我的方法是这样的。

for i in range(1, len(data['Column5'])-1) :
  splitdata = (data['Column5'][i:(i+49)])  
  mode_pressure[j] = splitdata.mode()
  i = i+50
  j = j+1

但我收到“'int' 对象不支持项目分配”错误。我的 df 如下所示

Col1 Col2   Col3     Col4        Col5   Col6    Col7 Col8
0   612458  6715209 671598606   101043  -56     224 16560   
1   612458  6715210 671598706   101038  -264    256 16696   
2   612458  6715211 671598806   101038  -144    192 16528   
3   612458  6715212 671598906   101043  -136    200 16576   
4   612458  6715213 671599006   101037  -232    104 16576   
5   612458  6715214 671599106   101038  -88     264 16904   
6   612458  6715215 671599206   101040  -200    176 16808
7   612458  6715212 671598906   101043  -136    200 16576   
8   612458  6715213 671599006   101037  -232    104 16576   
9   612458  6715214 671599106   101040  -88     264 16904   
10  612458  6715215 671599206   101040  -200    176 16808

Output: (assume mode of 5 values)
df_mode : 101038, 101048

我在 R 中编写了相同的函数。R 返回最新(最后)模式值作为每组 50 的单个输出。

i=1
j=1
while(i<=length(data$Column5)-1) {
  splitdata<-data$Column5[i:(i+49)]  
  mode_value[j] = modeest::mfv(splitdata)
  i=i+50
  j=j+1
}

Answer 1

我认为需要 numpy arange 的 groupby 以获得更通用的解决方案，例如与带有楼层划分的 DatetimeIndex 一起工作得很好:

df = df.groupby(np.arange(len(df)) // 50)['Col5'].apply(lambda x: x.mode())

---

可能有多个值，所以可能的解决方案是Multiindex:

df = df.groupby(np.arange(len(df)) // 5)['Col5'].apply(lambda x: x.mode())
print (df)
0  0    101038
   1    101043
1  0    101040
2  0    101040
Name: Col5, dtype: int64

或列出:

df = df.groupby(np.arange(len(df)) // 5)['Col5'].apply(lambda x: x.mode().tolist())
print (df)
0    [101038, 101043]
1            [101040]
2            [101040]
Name: Col5, dtype: object