Question

我有一个pandas数据框，其中包含不同时间尺度的信息，即在某些时期我每秒有100个数据点，而在其他时间段我每分钟有1个数据点。

我的目标是在固定时间窗口（例如：1秒）重新采样此数据帧，使用last进行上采样时的正则化和下采样的均值。

此外，我希望指定算法执行两种操作（下采样和上采样）的顺序，因为我需要先进行上采样（使用last），然后再进行下采样（使用均值）。

这是否可以使用pandas resample函数？

例如，在下面的示例代码中，我想在结果数据框中显示以下值：0.5（平均值）介于0和10秒之间，0（最后）介于10和19秒之间，10（介于19和39之间）秒。

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'value' : np.repeat(1,10)}, index=pd.date_range('2010-01-01 00:00:00', periods=10, freq='1S'))
df2 = pd.DataFrame({'value' : np.repeat(0,10)}, index=pd.date_range('2010-01-01 00:00:00.5', periods=10, freq='1S'))
df3 = pd.DataFrame({'value' : np.repeat(10,3)}, index=pd.date_range('2010-01-01 00:00:19', periods=3, freq='10S'))

df = pd.concat([df1, df2, df3], axis=0)
df = df.sort_index()

df.resample(rule='1S', fill_method='ffill', kind='timestamp', how='mean')

您如何建议我解决这个问题？

编辑：我的实际数据框很大，因此我想尽量减少操作次数，特别是那些涉及对象复制的操作。

Answer 1

首先使用下采样进行传统的重采样：

df_new = df.resample(rule='1S')

然后在您update下采样数据的位置进行上采样，但不要覆盖它。您正在使用填充前向上采样数据填充空白：

df_new.update(df.resample(rule='1S', fill_method='ffill', kind='timestamp', how='last'), 
              overwrite=False)

>>> df_new
                     value
2010-01-01 00:00:00    0.5
2010-01-01 00:00:01    0.5
2010-01-01 00:00:02    0.5
2010-01-01 00:00:03    0.5
2010-01-01 00:00:04    0.5
2010-01-01 00:00:05    0.5
2010-01-01 00:00:06    0.5
2010-01-01 00:00:07    0.5
2010-01-01 00:00:08    0.5
2010-01-01 00:00:09    0.5
2010-01-01 00:00:10    0.0
2010-01-01 00:00:11    0.0
2010-01-01 00:00:12    0.0
2010-01-01 00:00:13    0.0
2010-01-01 00:00:14    0.0
2010-01-01 00:00:15    0.0
2010-01-01 00:00:16    0.0
2010-01-01 00:00:17    0.0
2010-01-01 00:00:18    0.0
2010-01-01 00:00:19   10.0
2010-01-01 00:00:20   10.0
2010-01-01 00:00:21   10.0
2010-01-01 00:00:22   10.0
2010-01-01 00:00:23   10.0
2010-01-01 00:00:24   10.0
2010-01-01 00:00:25   10.0
2010-01-01 00:00:26   10.0
2010-01-01 00:00:27   10.0
2010-01-01 00:00:28   10.0
2010-01-01 00:00:29   10.0
2010-01-01 00:00:30   10.0
2010-01-01 00:00:31   10.0
2010-01-01 00:00:32   10.0
2010-01-01 00:00:33   10.0
2010-01-01 00:00:34   10.0
2010-01-01 00:00:35   10.0
2010-01-01 00:00:36   10.0
2010-01-01 00:00:37   10.0
2010-01-01 00:00:38   10.0
2010-01-01 00:00:39   10.0

您无法在单个resample操作中混合上采样/下采样。我不确定为什么只要你得到理想的结果，操作顺序对你很重要。

Answer 2

由于从0.18.0开始，熊猫对for line in lines: line.split()和how=参数进行了贬值，因此新语法为：

fill_method=

pandas - resample - 在下采样之前进行上采样

2 个答案: