Question

我遇到了一个属性，该属性对于在pandas中对布尔值进行重采样非常有用。以下是一些时间序列数据：

import pandas as pd
import numpy as np

dr = pd.date_range('01-01-2020 5:00', periods=10, freq='H')
df = pd.DataFrame({'Bools':[True,True,False,False,False,True,True,np.nan,np.nan,False],
                   "Nums":range(10)},
                  index=dr)

所以数据看起来像：

                     Bools  Nums
2020-01-01 05:00:00   True     0
2020-01-01 06:00:00   True     1
2020-01-01 07:00:00  False     2
2020-01-01 08:00:00  False     3
2020-01-01 09:00:00  False     4
2020-01-01 10:00:00   True     5
2020-01-01 11:00:00   True     6
2020-01-01 12:00:00    NaN     7
2020-01-01 13:00:00    NaN     8
2020-01-01 14:00:00  False     9

我本以为我可以在重采样时对布尔列进行简单的操作（如求和），但是（按原样）这会失败：

>>> df.resample('5H').sum()

                    Nums
2020-01-01 05:00:00    10
2020-01-01 10:00:00    35

“布尔”列被删除。我对为什么会这样的印象是b / c该列的dtype是object。进行更改可以解决该问题：

>>> r = df.resample('5H')
>>> copy = df.copy() #just doing this to preserve df for the example
>>> copy['Bools'] = copy['Bools'].astype(float)
>>> copy.resample('5H').sum()

                     Bools  Nums
2020-01-01 05:00:00    2.0    10
2020-01-01 10:00:00    2.0    35

但是（奇怪的），您仍然可以通过索引重新采样对象而不改变dtype来

>>> r = df.resample('5H')
>>> r['Bools'].sum()

2020-01-01 05:00:00    2
2020-01-01 10:00:00    2
Freq: 5H, Name: Bools, dtype: int64

如果唯一的列是布尔值，那么您仍然可以重新采样（尽管该列仍为object）：

>>> df.drop(['Nums'],axis=1).resample('5H').sum()

                    Bools
2020-01-01 05:00:00      2
2020-01-01 10:00:00      2

后两个示例如何工作？我可以看到它们可能更明确（“请，我真的很想重新采样此列！” ），但是我不明白为什么原始resample不允许这样做操作是否可以完成。

Answer 1

嗯，向下跟踪显示：

df.resample('5H')['Bools'].sum == Groupby.sum (in pd.core.groupby.generic.SeriesGroupBy)

df.resample('5H').sum == sum (in pandas.core.resample.DatetimeIndexResampler)

并跟踪groupby.py中的groupby_function表示它等同于 r.agg(lambda x: np.sum(x, axis=r.axis)) 其中r = df.resample('5H')的输出内容：

                     Bools  Nums  Nums2
2020-01-01 05:00:00      2    10     10
2020-01-01 10:00:00      2    35     35

好吧，实际上应该是r = df.resample('5H')['Bool']（仅适用于上述情况）

并跟踪resample.py中的_downsample函数表明它等效于： df.groupby(r.grouper, axis=r.axis).agg(np.sum)输出：

                     Nums  Nums2
2020-01-01 05:00:00    10     10
2020-01-01 10:00:00    35     35

Answer 2

df.resample('5H').sum()在Bools列上不起作用，因为该列具有混合数据类型，在熊猫中为object。在sum()或resample上调用groupby时，将忽略object类型的列。

重采样熊猫中的布尔值

2 个答案: