我想对我的数据重新采样，以便在每个索引的日期-时间之间每个间隔有512秒。我从pandas中找到了resample方法，但它不能正常工作，因为原始数据最终会被修改得太多(原始数据的真实性不一样(。然而，我考虑了一种可能性，如果在日期时间内，间隔只有2个数字，并且它们也可以相互分割(512:4=128(。问题是，它们的出现可以算作任何数字。
使用以下代码计算指数的区间：
intervals = np.array(round(df.index.to_series().diff().dt.total_seconds().fillna(0)))
我的索引间隔如下：(因为我的数据每4或512秒记录一次(
{4, 4, 4, 4, 4, 4, 4, 4, 4, 512,512, 512, 512, 512, 512, 512, 4, 4, 4, 4, 4, 512, 512, 512, 4, 4, 4, 4, 4, 4, 4, 4, 512, 4, 4, 4, 4, 512, 512, 521, 512, ...}
问题是，有时数据每4秒记录一次，持续5分钟(因此没有足够的时间来实现512(，然后它可能会出现512，以此类推，就像上面的例子一样。这是一个问题，因为我最初认为也许我应该每512秒循环一次，然后删除所有不在该间隔内的行。(我删除了它们，因为我只需要每512秒记录一次数据，实际上没有必要知道间隔内的数据是什么。这可能会增加数据，但变化会很大。(我需要将其设置为每512个，但不使用重采样方法，因为如果我观察良好，它会破坏数据的真实性。
总之，两个主要条件是：第一，尊重并保持数据的真实性；第二，数据最终应每512秒记录一次。所以，我想问你，这个领域的专家，你认为这是最适合我的情况的方法或算法吗？
第页。S.：我一直在寻找其他方法，比如重新采样，但更好，但我没有找到合适的方法。然而，我对新的想法持开放态度！请告诉我是否应该添加有关该问题的其他细节。
非常感谢。
通过resample()不会丢失数据的真实性
- 重新创建了一个样本数据集，我在其中模拟了128s间隔的源数据
- 则
resample()到512s桶 - 这可能意味着存在空桶，其中最后将为NaN，并且基础值的列表为空
- 在这种情况下，你需要决定你想做什么。对于上采样温度数据I
dropna()的情况，其他选项显然是fillna() - 由于NaN的存在，您应该考虑
dfr = df.resample("512s")["val"].agg(last="last", vals=lambda s: list(s)).astype({"last":"Int64"})来维护列的数据类型(即从int64更改为float64
总之，没有丢失源数据的完整性。您需要决定如何处理没有适合*bin的基础数据的情况*
d = [d for d in pd.date_range(dt.datetime(2019,5,1,2),
dt.datetime(2019,5,1,4), freq="128s")
if random.randint(0,3) < 2 ] # miss some sample times... so resampling will give NaNs
df = pd.DataFrame({"ts":d, "val":[random.randint(0,50) for x in d]}).set_index("ts")
dfr = df.resample("512s")["val"].agg(last="last", vals=lambda s: list(s))
dfr
输出
last vals
ts
2019-05-01 01:59:28 27.0 [1, 41, 27]
2019-05-01 02:08:00 48.0 [14, 14, 48]
2019-05-01 02:16:32 43.0 [2, 49, 43]
2019-05-01 02:25:04 43.0 [43]
2019-05-01 02:33:36 44.0 [44]
2019-05-01 02:42:08 38.0 [39, 38]
2019-05-01 02:50:40 37.0 [37]
2019-05-01 02:59:12 25.0 [39, 25]
2019-05-01 03:07:44 1.0 [29, 8, 1]
2019-05-01 03:16:16 35.0 [12, 20, 35]
2019-05-01 03:24:48 33.0 [20, 33]
2019-05-01 03:33:20 5.0 [11, 5]
2019-05-01 03:41:52 NaN []
2019-05-01 03:50:24 9.0 [9]