这个问题是我之前在这里问的一个问题,这个问题的答案是数值。
我现在提出第二个关于Period类型数据的问题。
虽然下面给出的例子看起来很简单,但实际上我有可变大小的窗口。对第一排窗户感兴趣,我正在寻找一种利用这个定义的技术。
import pandas as pd
from random import seed, randint
# DataFrame
pi1h = pd.period_range(start='2020-01-01 00:00+00:00', end='2020-01-02 00:00+00:00', freq='1h')
seed(1)
values = [randint(0, 10) for ts in pi1h]
df = pd.DataFrame({'Values' : values, 'Period' : pi1h}, index=pi1h)
# This works (numeric type)
df['first'] = df['Values'].rolling(3).agg(lambda rows: rows[0])
# This doesn't (Period type)
df['OpeningPeriod'] = df['Period'].rolling(3).agg(lambda rows: rows[0])
第二个命令的结果
DataError: No numeric types to aggregate
拜托,你知道吗?谢谢你的帮助!最佳,
尺寸为3
的滚动窗口的第一行表示行,比当前窗口高2行-只需使用pd.Series.shift(2)
:
df['OpeningPeriod'] = df['Period'].shift(2)
对于可变大小(为了示例起见,我将Values
列作为该可变大小(:
import numpy as np
x=(np.arange(len(df))-df['Values'])
df['OpeningPeriod'] = np.where(x.ge(0), df.loc[df.index[x.tolist()], 'Period'], np.nan)
将period[H]
转换为float
# convert to float
df['Period1'] = df['Period'].dt.to_timestamp().values.astype(float)
# rolling and convert back to period
df['OpeningPeriod'] = pd.to_datetime(df['Period1'].rolling(3)
.agg(lambda rows: rows[0])).dt.to_period('1h')
# drop column
df = df.drop(columns='Period1')