Question

我有一些时间序列data（pandas.DataFrame），我在'600S'条中对其进行了重新采样：

import numpy as np
data.resample('600S', level='time').aggregate({'abc':np.sum})

我得到这样的东西：

                   abc
time                
09:30:01.446000  19836
09:40:01.446000   8577
09:50:01.446000  29746
10:00:01.446000  29340
10:10:01.446000   5197
...

如何强制时间条从09:30:00.000000开始而不是从数据的第一行开始？即输出应该是这样的：

                   abc
time                
09:30:00.000000  *****
09:40:00.000000   ****
09:50:00.000000  *****
10:00:00.000000  *****
10:10:00.000000   ****
...

谢谢您的帮助！

Answer 1

您可以将Series.dt.floor添加到您的代码中：

df.time = df.time.dt.floor('10 min')

              time    abc
0 2018-12-05 09:30:00  19836
1 2018-12-05 09:40:00   8577
2 2018-12-05 09:50:00  29746
3 2018-12-05 10:00:00  29340
4 2018-12-05 10:10:00   5197

Answer 2

.resample有点通配符。它在datetime64[ns]和timedelta64[ns]上的行为大不相同，因此我个人发现，在做groupby或.sum之类的事情时，与.first一起工作更可靠。 / p>

样本数据

import pandas as pd
import numpy as np

n = 1000
np.random.seed(123)
df = pd.DataFrame({'time': pd.date_range('2018-01-01 01:13:43', '2018-01-01 23:59:59', periods=n),
                   'abc': np.random.randint(1,1000,n)})

当dtype为datetime64[ns]时，它将重新采样到“圆形”垃圾箱：

df.dtypes
#time    datetime64[ns]
#abc              int32
#dtype: object

df.set_index('time').resample('600S').sum()
                      abc
time                     
2018-01-01 01:10:00  2572
2018-01-01 01:20:00  2257
2018-01-01 01:30:00  2470
2018-01-01 01:40:00  3131
2018-01-01 01:50:00  3402

使用timedelta64[ns]，它会根据您的第一次观察开始垃圾箱：

df['time'] = pd.to_timedelta(df.time.dt.time.astype('str'))
df.dtypes
#time    timedelta64[ns]
#abc               int32
#dtype: object

df.set_index('time').resample('600S').sum()
           abc
time          
01:13:43  3432
01:23:43  2447
01:33:43  2588
01:43:43  3202
01:53:43  2547

因此，在timedelta64[ns]列的情况下，建议您从groupby中创建.dt.floor来创建垃圾箱，以从{{1 }}

[XX:00:00 - XX:10:00]

这与我们在第一种情况下使用df.groupby(df.time.dt.floor('600S')).sum() # abc #time #01:10:00 2572 #01:20:00 2257 #01:30:00 2470 #01:40:00 3131 #01:50:00 3402 dtype并将其装箱到“圆形”箱中的结果相同。

Answer 3

如果您的用例对它很健壮，并且您希望延长时间实际开始时间，则解决方案是在开始时间添加一个空行你想要。

例如将第一次（如果索引已排序，则为 df.loc[0]，否则为 df.index.min()）截断为其小时 (.floor("h"))：

df.loc[df.index.min().floor("h")] = None df.sort_index(inplace=True) # cleaner, but not even needed

然后 resample() 将以此时间为起点（在 OP 的情况下为 9:00）。

这也可以用于扩展数据集实际结束后的时间范围。

熊猫重新采样：强制时间条的特定开始时间

3 个答案:

样本数据