我将存储在数据框中的卫星数据栅格化。通常,此数据帧会被切片以逐日绘制imshow图,这是微不足道的。但是,我想绘制数据的年度平均值,这就是我目前停留的位置。数据框具有多层索引(日期时间,纬度坐标),其中列构成经度坐标。
import pandas as pd, numpy as np
dates = pd.date_range('20140101',periods=10,freq='1D')
others = np.arange(0,5)
index = [(d,o) for o in others for d in dates]
index = pd.MultiIndex.from_tuples(index, names=['DATES','LAT'])
data = np.random.randint(0,20,(50,10))
df = pd.DataFrame(data=data,index=index,columns=np.arange(0,10))
df.columns.names = ['LON']
如果我使用数组,通常我会沿着第三个维度堆叠它们,然后在第三个维度求平均值。例如
mat = np.ones( (5,10,1) )
# stack on day-by-day basis so lat/lon pairs sit on top of each other
# on the third dimension
for heute in df.index.get_level_values(0).unique():
tmp = df.xs(heute, level=0)
mat = np.dstack( (mat,tmp.as_matrix()) )
ave = mat[:,:,1:].mean(axis=2)
尽管这可行,但我怀疑在Pandas中有这样做的方法。但是,为此,我不知道从哪里开始。我曾尝试过groupby和重采样,但无法进行这些工作。任何帮助,将不胜感激。
最佳答案
开始了:
import pandas as pd, numpy as np
pd.set_option('display.float_format',lambda x: '{:,.1f}'.format(x))
np.random.seed(1)
dates = pd.date_range('20140101',periods=10,freq='1D')
others = np.arange(0,5)
index = [(d,o) for o in others for d in dates]
index = pd.MultiIndex.from_tuples(index, names=['DATES','LAT'])
data = np.random.randint(0,20,(50,10))
df = pd.DataFrame(data=data,index=index,columns=np.arange(0,10))
df.columns.names = ['LON']
# answer
df = df.stack()
df= df.groupby(level=['LAT','LON']).mean()
print df.unstack(level=['LON'])
产生:
LON 0 1 2 3 4 5 6 7 8 9
LAT
0 8.8 8.5 10.8 9.2 9.0 10.8 9.3 9.3 7.6 9.1
1 10.6 8.5 10.6 12.2 8.0 8.8 9.5 11.3 10.8 9.5
2 11.0 10.3 8.2 11.2 9.9 8.4 13.5 9.7 7.8 9.0
3 8.1 6.2 8.8 12.6 10.6 7.1 8.8 9.3 11.7 10.2
4 9.1 10.1 7.8 8.7 7.4 7.3 10.2 11.9 8.3 11.9
虽然您的阵列方法会产生:
[[ 8.8 8.5 10.8 9.2 9. 10.8 9.3 9.3 7.6 9.1]
[ 10.6 8.5 10.6 12.2 8. 8.8 9.5 11.3 10.8 9.5]
[ 11. 10.3 8.2 11.2 9.9 8.4 13.5 9.7 7.8 9. ]
[ 8.1 6.2 8.8 12.6 10.6 7.1 8.8 9.3 11.7 10.2]
[ 9.1 10.1 7.8 8.7 7.4 7.3 10.2 11.9 8.3 11.9]]
关于python - 重采样多级索引,或沿矩阵/数组的第三维进行平均,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/32609527/