Question

我很长一段时间以来一直在努力解决这个问题，所以我希望有人可以帮助我。

我在python中有一个时间序列，如下所示：

Dates
2011-01-10   -1500
2011-01-13    1500
2011-01-13   -4000
2011-01-26   -1000
2011-02-02    4000
2011-02-10   -4000
2011-03-03    1000
2011-03-03    2200
2011-06-03    3300
2011-05-03   -1500
2011-06-10   -1200
2011-08-01     -55
2011-08-01      55
2011-12-20    1200
dtype: int32

正如您所看到的，有相同日期的倍数。我想合并这些，然后将值相加，结果是：

Dates
2011-01-10   -1500
2011-01-13   -2500
2011-01-26   -1000
2011-02-02    4000
2011-02-10   -4000
2011-03-03    3200
2011-06-03    3300
2011-05-03   -1500
2011-06-10   -1200
2011-08-01       0
2011-12-20    1200
dtype: int32

知道解决方案的人吗？

提前致谢。

Answer 1

怎么样：

ts.groupby(ts.index).sum()

或

ts.groupby(level=0).sum()

Answer 2

假设您的索引是正确的日期，您可以重新采样到每日间隔。这会在缺失日期输入NaN值，之后需要删除：

ts.resample('D', how='sum').dropna()

更通用的解决方案是对索引进行分组，如果您的索引由字符串或其他内容组成，这甚至可以工作：

ts.groupby(lambda x: x).sum()

如果您的时间戳也包含每小时或其他信息，则上述操作不起作用，因为它仅按相等的值进行分组。然后，您可以使用以下命令将索引格式化为时间戳的“日期部分”：

ts.groupby(lambda x: x.strftime('%Y-%m-%d')).sum()

Answer 3

sums = ts.groupby('Date').sum()

怎么样？

您可以通过按sums时间序列中的日期分组并对值进行求和来创建名为ts的新系列。

合并pandas数据库中的相同索引

3 个答案: