我有一个带有时间戳列、另一个日期列和价格列的数据框。 时间戳列更像是特定小时(上午 10 点到上午 11 点之间)的每 5 分钟数据,这些数据正在拉出。 例如:
Timestamp EndDate Price
2021-01-01 10:00:00 2021-06-30 08:00:00 100
2021-01-01 10:00:00 2021-09-30 08:00:00 105
2021-01-01 10:05:00 2021-03-30 08:00:00 102
2021-01-01 10:05:00 2021-06-30 08:00:00 100
2021-01-01 10:05:00 2021-09-30 08:00:00 105
2021-01-01 10:10:00 2021-03-30 08:00:00 102
2021-01-01 10:10:00 2021-06-30 08:00:00 100
2021-01-02 10:00:00 2021-06-30 08:00:00 100
2021-01-02 10:00:00 2021-09-30 08:00:00 105
2021-01-02 10:00:00 2021-03-30 08:00:00 102
2021-01-02 10:00:00 2021-06-30 08:00:00 100
2021-01-02 10:05:00 2021-09-30 08:00:00 105
2021-01-02 10:05:00 2021-03-30 08:00:00 102
2021-01-02 10:05:00 2021-06-30 08:00:00 100
对于每 5 分钟的快照,有些最终有 3 条记录,有些是 2 条记录,有些是 4 条记录。 在那个小时(或一天)内,我想提取一组记录,以便该组包含最大记录数,因此对于上面示例中的 1 月 1 日,它应该提取 1 月 1 日的 10:05 数据,对于 1 月 2 日它应该拉出 10:00 的数据。如果有多个集合的最大记录数相同,则可以拉出当天的最晚时间。
不确定我如何有效地做到这一点,也许使用计数?
答案 0 :(得分:0)
你可以拆分 timstap 以便更好地使用,所以我这样做了:
import numpy as np
import pandas as pd
filename=(r'C:xxxxxx\Example2.xlsx')
df0=pd.read_excel(filename)
df0['new_date'] = [d.date() for d in df0['Timestamp']]
df0['new_time'] = [d.time() for d in df0['Timestamp']]
然后我们可以使用 groupby() 和 thn apply() 来计算值如下:
df = df0.groupby('new_date')['new_time'].apply(lambda x:
x.value_counts().index[0]).reset_index()