1

9我有一个多索引数据框，我想对其重新采样以将数据点的频率降低 3 倍（这意味着每 3 行变为 1 行）。

这个：

                    time  value
   ID  measurement  
ET001            0     0      2
                 1  0.15      3
                 2   0.3      4
                 3  0.45      3
                 4   0.6      3
                 5  0.75      2
                 6   0.9      3
ET002            0     0      2
                 1  0.16      5
                 2  0.32      4
                 3  0.45      3
                 4   0.6      3
                 5  0.75      2

我想变成这样：

                    time  value
   ID  measurement  
ET001            0  0.15      3 
                 1   0.6    2.7
                 2   0.9      3
ET002            0  0.16    3.7 
                 1   0.6    2.7

我试图像这样将我的时间列变成熊猫日期时间索引，然后使用重新采样：

df = df.set_index(pd.DatetimeIndex(timecourse_normed['Time']))
df = df.groupby(level=0).resample(rule='0.1S', how=np.mean)

但是第一行给了我实际的日期（1970 年左右），这对第二行没有帮助。浏览 arund 堆栈溢出时，我发现了一些类似的 quiestios，它们都有不基于 panda 的重采样的解决方案——而且，遗憾的是，这对我的用例不可行。

你能帮我一把吗？

4

1 回答 1

3

我认为你的想法可能是 - 将每个记录中ID的每个记录分成 3 条记录（如SQL 中的ntile(3)）并按它分组并计算平均值。要创建这个数字，我们可以使用这样一个事实，即您已经为每一行拥有序列号 -measurement索引级别。所以我们可以把这个数字除以3得到我们需要的数字：

>>> df
                   time  value  ntile
ID    measurement                  
ET001 0            0.00      2      0
      1            0.15      3      0
      2            0.30      4      0
      3            0.45      3      1
      4            0.60      3      1
      5            0.75      2      1
      6            0.90      3      2
ET002 0            0.00      2      0
      1            0.16      5      0
      2            0.32      4      0
      3            0.45      3      1
      4            0.60      3      1
      5            0.75      2      1

所以我们可以使用这样的辅助函数并将其应用于每个组以获得所需的结果。

>>> def helper(x):
...     x = x.reset_index()
...     x = x.groupby(x['measurement'].div(3)).mean()
...     del x['measurement']
...     return x
... 
>>> df.groupby(level=0).apply(helper)
                   time     value
ID    measurement                
ET001 0            0.15  3.000000
      1            0.60  2.666667
      2            0.90  3.000000
ET002 0            0.16  3.666667
      1            0.60  2.666667

希望能帮助到你。

于 2013-11-22T10:33:02.660 回答