Question

我想通过pandas .resample函数和'mean'方法将15分钟数据重新采样为60分钟数据，但是默认情况下，此方法采用原始值和3个下一个值的平均值。有没有办法代替原始值和前三个值的平均值？

输入数据（实际上输入数据是365天）：

Generated On                CB_P
2019-01-01 08:15:00+00:00   0.187
2019-01-01 08:30:00+00:00   0.228
2019-01-01 08:45:00+00:00   0.242
2019-01-01 09:00:00+00:00   0.8270
2019-01-01 09:15:00+00:00   1.083
2019-01-01 09:30:00+00:00   3.022
2019-01-01 09:45:00+00:00   1.511
2019-01-01 10:00:00+00:00   1.568
2019-01-01 10:15:00+00:00   6.365
2019-01-01 10:30:00+00:00   8.23
2019-01-01 10:45:00+00:00   9.3
2019-01-01 11:00:00+00:00   14.311
2019-01-01 11:15:00+00:00   13.045
2019-01-01 11:30:00+00:00   11.05
2019-01-01 11:45:00+00:00   11.257
2019-01-01 12:00:00+00:00   13.367
2019-01-01 12:15:00+00:00   11.895
2019-01-01 12:30:00+00:00   9.245
2019-01-01 12:45:00+00:00   7.254
2019-01-01 13:00:00+00:00   15.773
2019-01-01 13:15:00+00:00   14.280
2019-01-01 13:30:00+00:00   17.258
2019-01-01 13:45:00+00:00   7.792
2019-01-01 14:00:00+00:00   6.893
2019-01-01 14:15:00+00:00   4.693
2019-01-01 14:30:00+00:00   4.271
2019-01-01 14:45:00+00:00   1.524
2019-01-01 15:00:00+00:00   1.495
2019-01-01 15:15:00+00:00   1.03
2019-01-01 15:30:00+00:00   0.364
2019-01-01 15:45:00+00:00   0.045

预期输出：

Generated On                CB_P
2019-01-01 09:00:00+00:00   0.371
2019-01-01 10:00:00+00:00   1.796
2019-01-01 11:00:00+00:00   9.5515
2019-01-01 12:00:00+00:00   12.180
2019-01-01 13:00:00+00:00   11.04
2019-01-01 14:00:00+00:00   11.556
2019-01-01 15:00:00+00:00   2.996

Answer 1

尝试一下：

df.groupby(df['Generated On'].hour)[['CB_P']].mean()

Answer 2

那呢？基本上，您对原始datetime列应用了15分钟的偏移，然后对resample应用了15分钟的偏移。您可以构建多个集合或自定义函数。

我正在使用pandas==1.1.3。 df_Agg2应该是您所追求的。

import pandas as pd
import scipy.stats as stats
from datetime import timedelta


df = pd.read_csv(r't1.csv')
df['Generated On'] = pd.to_datetime( df['Generated On'] )
df['datetime_Adj'] = df['Generated On'] - timedelta(minutes=15)

lambda0 = lambda x: stats.mode(x)[0]
lambda1 = lambda x: x.max() - x.min()

##########################################################################

df_Agg1 = df.resample(rule='1H', on='Generated On').apply({ 
                'CB_P': ['sum', 'mean', 'min', 'max', lambda0, lambda1 ], 
                })

# Rename the columns
df_Agg1.columns = ['_'.join(pair) for pair in df_Agg1.columns]
df_Agg1.reset_index(inplace=True)

##########################################################################

df_Agg2 = df.resample(rule='1H', on='datetime_Adj').apply({ 
                'CB_P': ['sum', 'mean', 'min', 'max', lambda0, lambda1 ], 
                })

# Rename the columns
df_Agg2.columns = ['_'.join(pair) for pair in df_Agg2.columns]
df_Agg2.reset_index(inplace=True)

##########################################################################

Answer 3

告诉resample在45分钟前开始每个周期：

r = df.resample('1H', offset=pd.Timedelta("-00:45:00")).mean()

这将产生正确的均值，但索引不正确（移位）。通过向前移动45分钟来修复它：

r.index += pd.Timedelta("00:45:00")
#                                CB_P
#Generated On                        
#2019-01-01 09:00:00+00:00   0.371000
#2019-01-01 10:00:00+00:00   1.796000
#2019-01-01 11:00:00+00:00   9.551500
#2019-01-01 12:00:00+00:00  12.179750
#2019-01-01 13:00:00+00:00  11.041750
#2019-01-01 14:00:00+00:00  11.555750
#2019-01-01 15:00:00+00:00   2.995750
#2019-01-01 16:00:00+00:00   0.479667

熊猫重新采样以获取平均值

3 个答案: