python - 在 DataFrame 中查找相邻元素（行和列）的平均值

Question

我有一个图像，我根据它的像素强度创建了一个 DataFrame。由此，我想创建一个网格，在该网格中找到该网格中每个正方形内的平均强度，用 2x2 像素表示。这样做是为了捕获更大的强度区域，以便将它们与背景噪声区分开来。（我认为最好将其包含在内以提供上下文。）

在 DataFrame 中，这将转化为从一组 2 个相邻行和列中找到 4 个值的平均值。

因此，为了说明问题，假设我们有以下 DataFrame：

df=pd.DataFrame({'A':(np.linspace(1,4,num=4)),'B':(np.linspace(5,8,num=4)),'C':(np.linspace(9,12,num=4)), 'D':(np.linspace(13,16,num=4))})

由此，我们想要创建一个对应于每个平方平均值的 DataFrame。在这种情况下，它将对应于以下内容（例如，3 将是具有值 (1,5,2,6) 的 2x2 正方形的平均值，11.5 将是 (9, 13, 10, 14):

df_mean=DataFrame({'A':pd.Series([3,11.5]),'B':pd.Series([5.5,13.5])})

如果问题仍然不清楚，想象一下原始 DataFrame 并在中间画一条垂直线和一条水平线。因此，这将产生 4 个盒子。在 4 个框中的每一个中，您将找到 4 个值。我想计算每个框的平均值并将其插入到由框的平均值组成的新 DataFrame 中。

PS：不幸的是，我还不知道如何显示 DataFrames 本身，而不仅仅是代码。打印功能不起作用。我希望这不会太麻烦。

非常感谢！

标签： pythonpandasdataframe

Answer 1

您可以使用底层numpy数组非常有效地执行此操作：

def square_mean(arr, y, x):
    yy, xx = arr.shape
    vals = arr.reshape(y, yy//y, x, xx//x).mean((1,3))
    return vals

pd.DataFrame(square_mean(df.values, 2, 2))

     0     1
0  3.5  11.5
1  5.5  13.5

---

该解决方案之所以有效，是因为对数组进行了一些巧妙的整形，以下是整形的工作原理：

yy, xx = arr.shape
vals = arr.reshape(2, yy//2, 2, xx//2)
print(vals)

[[[[ 1.  5.]
   [ 9. 13.]]

  [[ 2.  6.]
   [10. 14.]]]


 [[[ 3.  7.]
   [11. 15.]]

  [[ 4.  8.]
   [12. 16.]]]]

如您所见，数组已被重新整形为块，然后我们可以使用它来计算平均值。

---

此解决方案将扩展到所有输入大小，只需选择x沿 x 轴y的块数和沿 y 轴的块数：

df = pd.DataFrame(np.random.randint(1, 5, (10, 10)))

   0  1  2  3  4  5  6  7  8  9
0  1  3  4  2  3  3  3  2  1  2
1  3  3  4  1  3  4  4  4  1  3
2  2  3  2  2  4  4  1  1  1  1
3  1  2  1  2  1  3  1  1  2  3
4  2  2  3  4  3  2  4  3  4  2
5  3  3  1  4  2  1  2  3  1  3
6  2  1  3  4  3  2  3  4  3  4
7  2  3  4  2  1  1  1  1  3  2
8  4  3  2  2  2  2  2  1  3  3
9  3  2  1  2  1  3  4  2  4  4

我们可以分成任意数量的块：

square_mean(df.values, 2, 2)

array([[2.44, 2.4 ],
       [2.4 , 2.48]])

square_mean(df.values, 5, 5)

array([[2.5 , 2.75, 3.25, 3.25, 1.75],
       [2.  , 1.75, 3.  , 1.  , 1.75],
       [2.5 , 3.  , 2.  , 3.  , 2.5 ],
       [2.  , 3.25, 1.75, 2.25, 3.  ],
       [3.  , 1.75, 2.  , 2.25, 3.5 ]])