5

我正在尝试使用熊猫计算每日值的总和。这是测试文件 - http://pastebin.com/uSDfVkTS

这是我到目前为止提出的代码：

import numpy as np
import datetime as dt
import pandas as pd

f = np.genfromtxt('test', dtype=[('datetime', '|S16'), ('data', '<i4')], delimiter=',')
dates = [dt.datetime.strptime(i, '%Y-%m-%d %H:%M') for i in f['datetime']]
s = pd.Series(f['data'], index = dates)
d = s.resample('D', how='sum')

使用给定的测试文件会产生：

2012-01-02    1128
Freq: D

第一个问题是计算的总和对应于第二天。我已经能够通过使用参数 loffset='-1d' 来解决这个问题。

现在实际的问题是数据可能不是从一天的 00:30 开始，而是从一天中的任何时间开始。此外，数据的空白处填充了“nan”值。

也就是说，是否可以设置计算每日总和所需的值的较低阈值？（例如，如果一天内的值少于 40 个，则输入 NaN 而不是总和）

我相信可以定义一个自定义函数来做到这一点并在“how”参数中引用它，但我不知道如何对函数本身进行编码。

4

2 回答 2

13

您可以直接在 Pandas 中执行此操作：

s = pd.read_csv('test', header=None, index_col=0, parse_dates=True)
d = s.groupby(lambda x: x.date()).aggregate(lambda x: sum(x) if len(x) >= 40 else np.nan)

             X.2
2012-01-01  1128
于 2012-11-20T14:59:23.837 回答
2

更简单的方法是使用pd.Grouper：

d = s.groupby(pd.Grouper(freq='1D')).sum()
于 2020-02-26T12:38:05.193 回答