Question

第一个计时器，真好！

与变量类型略有不同的问题相关： Pandas timeseries resampling and interpolating together

我收集了传感器数据，而且我的时间戳非常不规则，我希望它们以1分钟的间隔保持一致。保存分布并在每分钟获得数据的唯一方法是进行插值。

数据集长达一百万行，但这是标题预览（传感器记录在ISO时间戳中）：

   Raw                             DataValue
0 2016-05-01T00:00:59.3+10:00    354.9819946
1 2016-05-01T00:02:59.4+10:00    354.9819946
2 2016-05-01T00:03:59.4+10:00    350.6199951
3 2016-05-01T00:13:00.1+10:00    351.4880066
4 2016-05-01T00:22:00.5+10:00    352.9719849
5 2016-05-01T00:31:01.1+10:00    352.0710144

我目前的代码如下，我正在使用pandas和numpy：

data = 
pd.read_csv('C:/Users/user/Documents/Data/cleaneddata1.csv', 
parse_dates=True)

data['Raw'].index = pd.to_datetime(data['Raw'].index)

d = data.set_index('Raw')
t = d.index
r = pd.date_range(t.min().date(), periods=(len(data)), freq='T')

d.reindex(t.union(r)).interpolate('index').ix[r]

它不起作用，它返回

r = pd.date_range（t.min（）。date（），periods =（len（data）），freq ='T'） AttributeError：'str'对象没有属性'date'

这让我很疯狂，我不确定它引用的'str'是否与ISO时间戳有关。

Answer 1

您正在寻找：

data['Raw'] = pd.to_datetime(data['Raw'])

Raw是一个列，data['Raw']返回一个系列，您希望使用它（而不是它的索引）。完成后，我建议使用df.resample进行插值：

data = data.set_index('Raw').resample('1min').mean()

如果您仍想使用interpolate，则可以改为使用.agg(interpolate)。

由于您希望保留原始Raw列，因此您可以使用：

data = data.assign(RawDt=pd.to_datetime(data.Raw))\
       .groupby(pd.Grouper(key='RawDt', freq='1min'))\
       .agg({'DataValue' : 'mean', 'Raw' : 'first'}).reset_index(drop=True)

使用插值标准化Pandas中的时间序列

1 个答案: