在较少的时间戳(索引)上对熊猫数据帧进行分组

时间:2018-09-25 18:07:40

标签: python pandas group-by

我有在时间戳上进行分组的数据,可以执行各种计算。时间戳大约每30秒到1分钟。如果我使用2年的数据,它将成为太多数据。有没有一种方法可以使我按时间戳分组,但只能采样相隔1小时的时间戳?我研究了重采样,但是它需要一个聚合函数。我只想减少数据框组的数量。

2018-09-23 17:45:54+00:00     6693.1     0.066     6693.0     2.443      0
2018-09-23 17:45:54+00:00     6817.0     0.181     6589.0     0.450     99
2018-09-23 17:45:54+00:00     6694.4     0.150     6689.4     0.180      1
2018-09-23 17:45:54+00:00     6699.0     1.100     6679.6     0.001     11
2018-09-23 17:45:54+00:00     6702.7     0.580     6677.9     8.000     15
2018-09-23 17:45:54+00:00     6704.6     6.000     6669.0    12.900     22
2018-09-23 17:45:54+00:00     6715.0     0.990     6653.9     0.045     37

2018-09-23 17:47:18+00:00     6770.6     6.881     6624.0     0.250     64
2018-09-23 17:47:18+00:00     6770.9     0.003     6623.4     3.894     65
2018-09-23 17:47:18+00:00     6750.0     0.100     6635.7     1.090     50
2018-09-23 17:47:18+00:00     6786.0    10.000     6605.3     0.422     78
2018-09-23 17:47:18+00:00     6698.0     0.222     6685.0     1.000      7
2018-09-23 17:47:18+00:00     6718.1     1.050     6653.9     0.045     37
2018-09-23 17:47:18+00:00     6694.8     0.213     6687.3     2.988      1
2018-09-23 17:47:18+00:00     6693.1     1.196     6693.0     2.443      0
2018-09-23 17:47:18+00:00     6820.0     0.149     6590.1     0.695     99
2018-09-23 17:47:18+00:00     6704.6     6.000     6670.0     0.139     22

2018-09-23 17:48:45+00:00     6765.0     0.008     6630.6     0.180     61
2018-09-23 17:48:45+00:00     6703.8     8.000     6675.0     0.100     21
2018-09-23 17:48:45+00:00     6710.2     0.165     6665.3     5.000     29
2018-09-23 17:48:45+00:00     6776.3    13.372     6618.9     1.500     74
2018-09-23 17:48:45+00:00     6770.0     1.015     6626.1     0.051     66
2018-09-23 17:48:45+00:00     6693.4     0.360     6688.5     2.988      1
2018-09-23 17:48:45+00:00     6741.1     0.100     6640.0     2.000     50
2018-09-23 17:48:45+00:00     6768.0     6.153     6627.7     0.810     64
2018-09-23 17:48:45+00:00     6769.0     0.500     6627.0     0.043     65

0 个答案:

没有答案