Как получить новый фрейм данных pandas с максимальным значением k последовательных строк?

У меня есть этот фрейм данных pandas:

ts = pd.Series([2372, 4356, 3034, 1502, 676, 4187, 2634, 1002])

То, что я хотел бы получить, - это фрейм данных, который существует из максимального значения четырех последовательных строк столбца и сохраняет индекс строки 0, 4, 8 и т. д.

В данном случае это означает, что новый фрейм данных должен выглядеть так:

0 4356 

4 4187

Как я мог это сделать?

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
0
68
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ответ принят как подходящий

Используйте numpy.arange с Groupby.agg:

In [899]: df = ts.groupby(np.arange(len(ts))//4).agg(['idxmax','max'])

In [900]: df
Out[900]: 
   idxmax   max
0       1  4356
1       5  4187
ts.groupby(np.arange(len(ts))//4).agg(['idxmax','max']) экономит вам одну группу :-).
Quang Hoang 15.12.2020 15:53

@QuangHoang Спасибо за это. Отредактировал мой ответ.

Mayank Porwal 15.12.2020 15:54

Большое спасибо! @MayankPorwal и Куанг Хоанг

Tobitor 15.12.2020 16:06

Пытаться:

ts.groupby((np.arange(len(ts))//4)*4).max()

Выход:

0    4356
4    4187
dtype: int64

Другие вопросы по теме