我正在尝试按任意 x 行数对 Dask 数据帧进行下采样。
例如，如果我使用日期时间作为索引，我可以使用：
df = df.resample('1h').ohlc()
但我不想按日期时间重新采样，我想按固定数量的行重新采样......就像：
df = df.resample(rows=100).ohlc()
我做了一堆搜索，发现了这三个旧的 SO 页面：
- 这个建议：
df.groupby(np.arange(len(df))//x)，其中 x = 行数。pd.DataFrame(df.values.reshape(-1,2,df.shape[1]).mean(1))，但我很难理解这一点。pd.DataFrame(np.einsum('ijk->ik',df.values.reshape(-1,2,df.shape[1]))/2.0)，但我也很难理解这一点。
- 这又提出了一个建议
df.groupby(np.arange(len(df))//x)。 - 这个建议
df_sub = df.rolling(x).mean()[::x]，但它说这很浪费，而且似乎没有为 Dask 优化。
最好、最快的选择似乎是df.groupby(np.arange(len(df))//x)，它在 Pandas 中运行良好。但是，当我在 Dask 中尝试时，我得到：ValueError: Grouper and axis must be same length
如何使用 Dask 按行数重新采样？
我有数据框：
- 标准索引（例如 1,2,3,4,5...,n）
- 我可能会用作索引的日期时间值（尽管我不一定想要）
- 非标准长度（即其中一些具有偶数行，而一些具有奇数）。