我有一个不包括星期六和星期日的月份数据帧，每 1 分钟记录一次。
v1 v2
2017-04-03 09:15:00 35.7 35.4
2017-04-03 09:16:00 28.7 28.5
... ... ...
2017-04-03 16:29:00 81.7 81.5
2017-04-03 16:30:00 82.7 82.6
... ... ...
2017-04-04 09:15:00 24.3 24.2
2017-04-04 09:16:00 25.6 25.5
... ... ...
2017-04-04 16:29:00 67.0 67.2
2017-04-04 16:30:00 70.2 70.6
... ... ...
2017-04-28 09:15:00 31.7 31.4
2017-04-28 09:16:00 31.5 31.0
... ... ...
2017-04-28 16:29:00 33.2 33.5
2017-04-28 16:30:00 33.0 30.7
我重新采样了数据帧以获取每天的第一个也是最后一个值。
res = df.groupby(df.index.date).apply(lambda x: x.iloc[[0, -1]])
res.index = res.index.droplevel(0)
print(res)
v1 v2
2017-04-03 09:15:00 35.7 35.4
2017-04-03 16:30:00 82.7 82.6
2017-04-04 09:15:00 24.3 24.2
2017-04-04 16:30:00 70.2 70.6
... .. ..
2017-04-28 09:15:00 31.7 31.4
2017-04-28 16:30:00 33.0 30.7
现在我想将数据框组织为日期，其中 v1 为最小时间戳，v2 为特定日期的最大时间戳。
期望输出：
v1 v2
2017-04-03 35.7 82.6
2017-04-04 24.3 70.6
... .. ..
2017-04-28 31.7 30.7
您可以在索引上按 groupby 并将groupby.agg与自定义函数一起使用。
df1 = res.groupby(res.index.date).agg({'v1': lambda x: x[min(x.index)], 'v2':lambda x: x[max(x.index)]})
print (df1)
v1 v2
2017-04-03 35.7 82.6
2017-04-04 24.3 70.6
2017-04-28 31.7 33.7
重新采样数据帧以获取每天的第一个也是最后一个值的替代方法。
res=df.reset_index().groupby(df.index.date).agg(['first','last']).stack().set_index('index')
Out[123]:
v1 v2
index
2017-04-03 09:15:00 35.7 35.4
2017-04-03 16:30:00 82.7 82.6
2017-04-04 09:15:00 24.3 24.2
2017-04-04 16:30:00 70.2 70.6
2017-04-28 09:15:00 31.7 31.4
2017-04-28 16:30:00 33.0 33.7
试试这个：
df_result = pd.DataFrame()
df_result['v1'] = res.groupby(res.index)['v1'].min()
df_result['v2'] = res.groupby(res.index)['v2'].max()
在熊猫中有一个非常有趣的爱好来处理日期时间索引。 这是重采样功能。 在您的情况下，请尝试以下操作：
def first_last(entry):
return entry['v1'][0],entry['v2'][1]
yourdataframe.resample('D').apply(first_last)
"D"代表每日重采样。
结果：
Dates
2017-04-03 35.7 82.6
2017-04-04 24.3 70.6
您可以使用自定义函数reset_index然后GroupBy+apply：
def first_second(x):
return pd.Series({'v1': x['v1'].iat[0], 'v2': x['v2'].iat[-1]})
res2 = res.reset_index()
res2 = res2.groupby(res2['index'].dt.date).apply(first_second)
print(res2)
v1 v2
index
2017-04-03 35.7 82.6
2017-04-04 24.3 70.6
2017-04-28 31.7 33.7