使用指定的开始日期，结束日期和粒度重新示例数据框

Question

我想使用开始日期，结束日期和'粒度'

说我有此数据框：

                   value
00:00, 01/05/2017    2
12:00, 01/05/2017    4
00:00, 02/05/2017    6
12:00, 02/05/2017    8
00:00, 03/05/2017   10
12:00, 03/05/2017   12

，我想将其重新采样从06:00, 01/05/2017转到
18:00 02/05/2017的"粒度"为12小时(为简单起见，这与这里的原始性相同，但不一定是(。我想要的结果是：

                   value
06:00, 01/05/2017    3
18:00, 01/05/2017    5
06:00, 02/05/2017    7
18:00, 02/05/2017    9

请注意，这些值是它们重叠的值的平均值(例如3 =平均值(2,4((

我不确定该怎么做。

我的第一次尝试是：

def resample(df: DataFrame, start: datetime, end: datetime, granularity: timedelta) -> DataFrame:
    result = df.resample(granularity).mean()
    result = result[result.index <= end]
    result = result[result.index >= start]
    return result

这可以适当地修剪数据框架并确保正确的粒度，但不能使结果与开始日期保持一致，因此结果是：

                   value
12:00, 01/05/2017    4
00:00, 02/05/2017    6
12:00, 02/05/2017    8

我的第二次尝试使用base参数移动数据：

def resample(df: DataFrame, start: datetime, end: datetime, desired_granularity: timedelta) -> DataFrame:
    data_before_start = df[df.index <= start]
    # Get the last index value before our start date
    last_date_before_start = data_before_start.last_valid_index()
    current_granularity_secs = seconds_between_measurements(df)
    rule = str(int(desired_granularity.total_seconds())) + 'S'
    base = current_granularity_secs - (start - last_date_before_start).total_seconds()
    result = df.resample(rule, base=base).mean()
    result = result[result.index < end]
    result = result[result.index >= start]
    return result

这给了我：

                   value
06:00, 01/05/2017    4
18:00, 01/05/2017    6
06:00, 02/05/2017    8
18:00, 02/05/2017    10

这具有正确的索引，但值是从下一个测量值中回填的，而不是从之前和之后的测量值进行平均。

。

有人对我如何实现自己想要的东西有任何想法吗？

在此先感谢您的帮助，并让我知道我是否遗漏了任何关键细节：(

编辑：如果获得平均值是非常棘手的位，那么我可以在给定时间之前使用该值，类似于pad((。我当前的"最佳"解决方案在我之后给了我价值，例如Backfill((

Answer 1

首先将您的end_start和end_date列定义为dateTime。然后，您可以两次使用.resample：

• 在df.start_date上带有前向填充
• 在DF.End_date上，带有向后填充

然后：

• 保持行start_date＆lt;end_date
• 连接
• 在每一行上应用一个函数以更新start_date和end_date：

在这里代码：

df[["start_date","end_date"]] = df[["start_date","end_date"]].astype(np.datetime64)
df1 = df.set_index("start_date").resample(freq).pad().reset_index()
df2 = df.set_index("end_date").resample(freq).bfill().reset_index()
df3 = pd.concat([df1, df2], ignore_index=True)
def function(x, df1):
    if x.name < df1.shape[0]:
        x.end_date = x.start_date + pd.Timedelta(freq)
    else:
        x.start_date = x.end_date - pd.Timedelta(freq)
    return x
df3[ df3.start_date < df3.end_date ].apply(lambda x: function(x, df1), axis=1)

pandas文档说应该直接重新采样

df.resample(freq, on='start_date')