Question

我有一个数据帧，我想分成5个块（更常见的是n个块），这样我就可以在块上应用groupby。

我希望这些块具有相同的时间间隔，但通常每个组可能包含不同数量的记录。

让我们调用数据

s = pd.Series(pd.date_range('2012-1-1', periods=100, freq='D'))

和时间间隔ti = (s.max() - s.min())/n

因此，第一个块应该包含日期介于s.min()和s.min() + ti之间的所有行，第二个行包含日期介于s.min() + ti和s.min() + 2*ti之间的所有行等等。

有人能建议一个简单的方法来实现这一目标吗？如果以某种方式我可以将所有日期转换为自纪元以来的秒数，那么我可以做thisgroup = floor(thisdate/ti)之类的事情。

是否有一种简单的“pythonic”或“panda-ista”方式来做到这一点？

非常感谢（圣诞快乐！），

罗宾

Answer 1

您可以使用numpy.array_split：

>>> import pandas as pd
>>> import numpy as np
>>> s = pd.Series(pd.date_range('2012-1-1', periods=10, freq='D'))

>>> np.array_split(s, 5)
[0   2012-01-01 00:00:00
1   2012-01-02 00:00:00
dtype: datetime64[ns], 2   2012-01-03 00:00:00
3   2012-01-04 00:00:00
dtype: datetime64[ns], 4   2012-01-05 00:00:00
5   2012-01-06 00:00:00
dtype: datetime64[ns], 6   2012-01-07 00:00:00
7   2012-01-08 00:00:00
dtype: datetime64[ns], 8   2012-01-09 00:00:00
9   2012-01-10 00:00:00
dtype: datetime64[ns]]

>>> np.array_split(s, 2)
[0   2012-01-01 00:00:00
1   2012-01-02 00:00:00
2   2012-01-03 00:00:00
3   2012-01-04 00:00:00
4   2012-01-05 00:00:00
dtype: datetime64[ns], 5   2012-01-06 00:00:00
6   2012-01-07 00:00:00
7   2012-01-08 00:00:00
8   2012-01-09 00:00:00
9   2012-01-10 00:00:00
dtype: datetime64[ns]]

Answer 2

答案如下：

s = pd.DataFrame(pd.date_range('2012-1-1', periods=20, freq='D'), columns=["date"])

n = 5

s["date"] = np.int64(s)  #This step may not be needed in future pandas releases
s["bin"] = np.floor((n-0.001)*(s["date"] - s["date"].min( )) /((s["date"].max( ) - s["date"].min( ))))

将数据帧拆分为n个相等的时间间隔，分组为groupby，其中时间间隔为（time.max（） - time.min（））/ n

2 个答案: