Question

我有一个这样的系列

  index = pd.date_range('2000-01-01 00:00:00', periods=9, freq='T')
  index = index.append(pd.date_range('2000-01-01 00:11:00', periods=5, freq='T'))
  index = index.append(pd.date_range('2000-01-01 00:17:00', periods=5, freq='T'))
  series = pd.Series(range(len(index)), index=index)

如您所见，我故意在时间索引上留下一些漏洞，以便在我重新采样时，采样仓的开始或结束可能不会落在现有的索引值上。我想要实现的是这样

series.resample(freq).apply(time_weight)

在我的time_weight函数中，我要加权平均值，以该样本仓开始处的距离除以样本仓宽度（在freq中为timedelta）来加权。但是似乎没有办法知道样品仓的开始吗？

Answer 1

您可以先计算权重：

# create dataframe for easy manipulation
df = pd.DataFrame({'val': series}).reset_index()

# sample frequency
freq = '5T'

# groupby
groups = df.groupby(df['index'].dt.floor(freq ))

# base and weights:
df['base'] = groups['index'].transform(lambda x: x.iloc[0].floor('5T'))    
df['weight'] = (df['index'] - df['base']).dt.total_seconds()

# apply:
groups.apply(lambda x: x['val']*x['weight']/x['weight'].sum())

输出：

index                  
2000-01-01 00:00:00  0      0.000000
                     1      0.100000
                     2      0.400000
                     3      0.900000
                     4      1.600000
2000-01-01 00:05:00  5      0.000000
                     6      1.000000
                     7      2.333333
                     8      4.000000
2000-01-01 00:10:00  9      0.900000
                     10     2.000000
                     11     3.300000
                     12     4.800000
2000-01-01 00:15:00  13     0.000000
                     14     3.111111
                     15     5.000000
                     16     7.111111
2000-01-01 00:20:00  17     0.000000
                     18    18.000000
dtype: float64

python pandas resample适用于bin开头和bin宽度

1 个答案: