如何用Pandas计算固定窗口前10行均值并按指定索引提取结果

我已经创建了示例DataFrame，需要计算每连续10个值的均值并将结果存入新列，其余行显示NaN。当前用以下代码得到了连续的滚动均值结果：

np.random.seed(42)
sp= sorted(np.random.randint(0,200,55))
odo = sorted(np.random.randint(0,40,55))
df1 = pd.DataFrame({'sp':sp,'odo':odo})

# 获取10个值的滚动均值
df2 =df1.rolling(10).agg('mean')

# 现在得到的是连续的滚动均值结果

# 我想要提取索引为9、19、29等位置的行，最终结果如下：
df3 = df2[9::10]

预期输出结果为：

sp   odo
9    17.7   2.9
19   56.2   8.2
29   89.1  15.4
39  120.7  23.4
49  167.9  30.7

解决方法 #

这里提供两种贴合需求的实现方式：

方法1：基于滚动均值筛选目标索引

你的现有代码已经能提取目标行，若要把结果合并回原DataFrame，让其余行显示NaN，只需用where方法过滤索引：

# 先计算10窗口的滚动均值
df_rolling = df1.rolling(10).mean()
# 仅保留索引为9、19、29...的行值，其余设为NaN
df1['sp_mean'] = df_rolling['sp'].where(df_rolling.index % 10 == 9)
df1['odo_mean'] = df_rolling['odo'].where(df_rolling.index % 10 == 9)

方法2：按10行分段计算均值

如果需求是严格每10行一组计算均值（而非滚动），可以用groupby分组后映射结果：

# 按索引整除10分组，计算每组均值
grouped_mean = df1.groupby(df1.index // 10).mean()
# 将均值赋值给每组最后一行（索引9、19...），其余行设为NaN
df1['sp_mean'] = grouped_mean['sp'].reindex(df1.index // 10).where(df1.index % 10 == 9)
df1['odo_mean'] = grouped_mean['odo'].reindex(df1.index // 10).where(df1.index % 10 == 9)

两种方法都能得到你想要的结果，按需选择即可。

内容的提问来源于stack exchange，提问作者Sushil Kokil