Pandas:对分类指数数据进行重新采样

Question

假设一些名为logData:的测量数据(实际上大约每分钟给出一次(

import pandas as pd, numpy as np
idxData = pd.to_datetime(['08:00', '08:15', '08:30', '08:45', '09:00'])
logData = pd.DataFrame(np.array([1.0, 2.0, 3.0, 4.0, 5.0]), columns=['val'], index=idxData)
idxRng  = pd.interval_range(idxData[0], idxData[-1], freq='30min')
avgData = logData.groupby( pd.cut(logData.index, idxRng) ).mean()

数据被分组到avgData中，例如看起来像这样：

val
(08:00:00, 08:30:00]  2.5
(08:30:00, 09:00:00]  4.5

该下采样的avgData现在应该(在执行一些其他计算之后(再次上采样，例如到freq='10min'的频率以用于进一步计算。由于avgData.resample('10min')抛出以下错误，问题是如何对分类数据进行重新采样？

TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'CategoricalIndex'

非常感谢！

Answer 1

为了使重采样工作，索引的数据类型需要为datetime64[ns]通过运行以下代码检查索引的数据类型。

avgData.index.dtype

Answer 2

我花了一点时间才弄清楚如何有意义地转换分类索引，但index.categories.mid似乎有效，允许通过重新采样数据

avgData.set_index( pd.DatetimeIndex( avgData.index.categories.mid ), inplace=True)
avgData = avgData.resample('5min').interpolate(method='nearest')

这产生了预期的结果：

val
08:15:00  2.5
08:20:00  2.5
08:25:00  2.5
08:30:00  2.5
08:35:00  4.5
08:40:00  4.5
08:45:00  4.5