Извлечение данных из фрейма данных Pandas в виде фрейма данных

Одна из самых больших проблем, с которыми я столкнулся в Python Pandas, - это постоянный дефолт по типу pandas.core.series.Series. например

import numpy as np
import pandas as pd

a = pd.DataFrame( np.random.randn(5,5),columns=list('ABCDE') )
b = a.mean(axis=0)

>>> b
    A    0.399677
    B    0.080594
    C    0.060423
    D   -1.206630
    E    0.153359
    dtype: float64

>>> type(b)
<class 'pandas.core.series.Series'>

Поэтому, если я пытаюсь вставить в новый кадр данных, я получаю всевозможные ошибки (т.е. Несоответствие размеров и т.д.). Мне кажется, что когда я выполняю операцию на кадре данных, выход должен быть кадром данных, а не серией. Кто-нибудь имеет рекомендации по использованию, например df.mean(), и возвращает ли кадр данных?

НАЧАТЬ ИЗМЕНЕНИЕ Извините, я должен был дать более подробную информацию.
Я хочу выборочно усреднять срезы из моего исходного фрейма данных и вставлять эти усредненные значения в отдельный фрейм данных.

# This is how I've been trying to do it
# Using <a> from above
b = pd.DataFrame()

# Select out data from original data frame
tmp = a(a.A>5).mean() # Just an example, this is not really my selection criteria

# Now I want to store these averaged values in my aggregated data frame.  
b = pd.concat( [b,tmp] )

Я предполагаю, что мой реальный вопрос: как я могу усреднять данные в одном кадре данных и передавать его в другой для хранения? END EDIT

EDIT Take 2 У меня есть два набора данных (оба хранятся как кадры данных), оба из которых являются временными рядами. Оба временных ряда имеют нерегулярные отметки времени: у каждого есть отметка времени каждые ~ 90 с (между часами 0700 - 2000), другая - одна или две метки времени в день (данные спутникового эстакады)). Ни одна из марок времени не является регулярной (т.е. Они редко встречаются в одно и то же время, и они очень редко сосредоточены на часе, а также на полчаса и т.д.). Моя цель - взять мои высокочастотные данные и усреднить их по отметке времени спутника (+ / - 30 минут), а затем сохранить усредненные данные в новом кадре данных. Вот фактический код, который я написал до сих пор:

# OMI is the satellite data, ~daily resolution
# Pan is surface data, with 90s resolution

# Example data: 
>>> pan.head()
                        hcho     h2o      so2      o3       no2
2010-06-24 14:01:20  0.87784  2.9947      NaN     NaN  0.671104
2010-06-24 14:03:52  0.68877  3.0102      NaN     NaN  0.684615
2010-06-24 14:04:35      NaN     NaN  0.58119  285.76       NaN
2010-06-24 14:05:19  0.75813  3.0218      NaN     NaN  0.693880
2010-06-24 14:06:02      NaN     NaN  0.40973  286.00       NaN

>>> omi.head()
                    ctp  dist           no2        no2std     cf  
2010-06-24 17:51:43    7  23.8  5.179200e+15  1.034600e+15  0.001   
2010-06-26 17:39:34    3   7.0  7.355800e+15  1.158100e+15  0.113   
2010-07-01 17:57:40    9   8.4  5.348300e+15  9.286100e+14  0.040   
2010-07-03 17:45:30    5  32.2  5.285300e+15  8.877800e+14  0.000   

# Code
out = pd.DataFrame()

width = 30 # Defined earlier, input of function
for r in omi.index:
    # Define datetime limits
    d1 = r - dt.timedelta(minutes=width)
    d2 = r + dt.timedelta(minutes=width)
    tmp = pan.truncate(d1,d2).mean(axis=0,skipna=True)

    if tmp.nunique()<>0: # Ensuring there is something in <tmp>
        tmp = pd.DataFrame(tmp,index=[r],columns=pan.columns)
        out = pd.concat([out,tmp],axis=0,ignore_index=False)