Question

我有一些及时测量的事件数据，因此数据格式类似于

Time(s)    Pressure    Humidity
0             10            5 
0             9.9           5.1
0             10.1          5
1             10            4.9
2             11            6

此处第一列是自实验开始以来经过的时间，以秒为单位。其他两个cols是一些观察。当某些条件为真时，会创建一行，这些条件超出了此处讨论的范围。由分号分隔的每组3个数字是一行数据。由于此处时间分辨率的最低粒度仅为秒，因此您可以使用相同时间戳但具有不同观察值的两行。基本上这些是时间无法区分的两个不同事件。

现在我的问题是汇总数据系列，通过二次采样说每10或100秒或1000秒。所以我想从原始的更高粒度数据系列中获取一个脱脂数据系列。有几种方法可以决定你要使用哪一行，比如说你每10秒进行一次子采样，当经过10秒时，你可以有多行，时间戳为10秒。你可以采取

1) first row
2) mean of all rows with the same timestamp of 10
3) some other technique

我希望在熊猫中这样做，任何想法或开始的方式都将非常感激。感谢。

Answer 1

这是一个显示如何执行的简单示例大熊猫请求的操作。

使用数据分级对样本进行分组重新抽样数据。

import pandas as pd

# Creation of the dataframe
df = pd.DataFrame({\
'Time(s)':[0 ,0 ,0 ,1 ,2],\
'Pressure':[10, 9.9, 10.1, 10, 11],\
'Humidity':[5 ,5.1 ,5 ,4.9 ,6]})

# Select time increment
delta_t = 1

timeCol = 'Time(s)'
# Creation of the time sampling
v = xrange(df[timeCol].min()-delta_t,df[timeCol].max()+delta_t,delta_t)
# Pandas magic instructions with cut and groupby
df_binned = df.groupby(pd.cut(df[timeCol],v))
# Display the first element
dfFirst = df_binned.head(1)
# Evaluate the mean of each group
dfMean = df_binned.mean()
# Evaluate the median of each group
dfMedian = df_binned.median()
# Find the max of each group
dfMax = df_binned.max()
# Find the min of each group
dfMin = df_binned.min()

dfFirst

的结果如下所示

           Humidity  Pressure  Time(s)
Time(s)
(-1, 0] 0       5.0        10        0
(0, 1]  3       4.9        10        1
(1, 2]  4       6.0        11        2

dfMean

的结果如下所示

         Humidity  Pressure  Time(s)
Time(s)
(-1, 0]  5.033333        10        0
(0, 1]   4.900000        10        1
(1, 2]   6.000000        11        2

熊猫子采样

1 个答案: