1

我在 Python 3.5 中有一个 DataFrame，例如：

In [1]:tway5new.info()
<class 'pandas.core.frame.DataFrame'>
 Index: 44 entries,  to VOI
 Columns: 43802 entries, 2011-01-01 00:00:00 to 2015-12-31 23:00:00
 dtypes: int64(43802)
 memory usage: 14.7+ MB

这个数据框的列名是：

In [2]:tway5new.columns
Out[2]: 
DatetimeIndex(['2011-01-01 00:00:00', '2011-01-01 01:00:00',
           '2011-01-01 02:00:00', '2011-01-01 03:00:00',
           ...
           '2015-12-31 20:00:00', '2015-12-31 21:00:00',
           '2015-12-31 22:00:00', '2015-12-31 23:00:00'],
          dtype='datetime64[ns]', name='timenew', length=43802, freq=None)

我想将此DataFrame子集化为一系列相对较小的数据框，即每个小数据框仅包含一个典型的日记录，例如：第一个小数据框包含从'2011-01-01 00:00:00'到'2011-01-01 23:00:00'，第二个小数据帧包含从 '2011-01-02 00:00:00' 到 '2011-01-02 23:00:00' 的信息，......直到第 1826 个小数据帧包含从“2015-12-31 00:00:00”到“2015-12-31 23:00:00”的信息。

根据@EdChum 帮助，我尝试了以下代码：

df = tway5new.T 
df.resample('d')
demean = lambda x: abs(x - x.mean())
Asub=df.groupby([df.index.year, df.index.month, df.index.day]).transform(demean)
#TO obtain the absolute difference between hours record and average hours record for each column###
Asubmax=Asub.groupby([df.index.year, df.index.month, df.index.day]).max()
AsubmaxID=Asubmax.idxmax(axis=1)

这给出了跨列的每个典型日期的最大值索引，即从 2011-01-01 到 2015-12-31：

with pd.option_context('display.max_rows',10,'display.max_columns',6):
    print (AsubmaxID)
2011  1   1     UNF
          2     NAT
          3     NAT
          4     NAT
          5     NAT

2015  12  27    NAT
          28    NAT
          29    NAT
          30    NAT
          31    GOA
dtype: object


BmaxID=Asub.groupby([df.index.year, df.index.month, df.index.day]).idxmax(axis=1)

这给出了跨列的每个小时记录的最大值的索引，即从 2011-01-01 00:00:00 到 2015-12-31 23:00:00：

with pd.option_context('display.max_rows',10,'display.max_columns',6):
    print (BmaxID)
          timenew            
2011  1   1   2011-01-01 00:00:00    UNF
              2011-01-01 01:00:00    NAT
              2011-01-01 02:00:00    RTF
              2011-01-01 03:00:00    UNF
              2011-01-01 04:00:00    NAT

2015  12  31  2015-12-31 19:00:00    NAT
              2015-12-31 20:00:00    NAT
              2015-12-31 21:00:00    GOA
              2015-12-31 22:00:00    NAT
              2015-12-31 23:00:00    GOA
dtype: object

现在，如何找到具有精确小时记录的每个典型日期的最大值索引，例如，我知道第一个日期 2011-01-01 的总体最大值索引是 UNF 列，但是我怎样才能获得准确的小时2011-01-01 这个UNF 列的记录，即哪个小时记录（2011-01-01 00:00:00 或2011-01-01 03:00:00）具有最大值？

非常感谢

4

1 回答 1

0

IIUC，您最好将列设为索引，然后您可以resample在当天过滤或过滤：

df = tway5new.T

然后你下采样

df.resample('d')

或当天分组：

df.groupby([df.index.year, df.index.month, df.index.day])
于 2016-05-25T08:51:08.990 回答