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((
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')