Question

我一直在运行一个实验，输出两列数据：

秒（浮动）
测量。（浮点型）

我现在想将其加载到Pandas中以重新采样并绘制测量值。我以前做过这个，但那些时间我的时间戳是从纪元或日期时间（YYY-MM-DD HH：mm：ss）格式开始的。如果我将我的第一列作为整数加载我无法做到

data.resample('5Min', how='mean')

。如果我将第一列转换为timedelta(seconds=...)，似乎也不可能。我的问题是，是否可以重新采样这些数据而不会破坏时代转换？

Answer 1

您可以groupby使用time // period来执行此操作：

import pandas as pd
import numpy as np

t = np.random.rand(10000)*3600
t.sort()
v = np.random.rand(10000)

df = pd.DataFrame({"time":t, "value":v})

period = 5*60
s = df.groupby(df.time // period).value.mean()
s.index *= period

Answer 2

我具有相同的传感器数据结构。第一列是自实验开始以来的秒数，其余列为值。这是数据结构：

              time        x           y          z
      0     0.015948    0.403931    0.449005    -0.796860
      1     0.036006    0.403915    0.448029    -0.795395
      2     0.055885    0.404907    0.446548    -0.795853

这对我有用： 将时间转换为时间增量：

df.time=pd.to_timedelta(df.time,unit="s")

set the time as index

df.set_index("time",inplace=True)

重新采样到您想要的频率

df.resample("40ms").mean()

如何重新采样timedeltas？

2 个答案: