0

假设一些测量数据（实际上大约每分钟给出）命名为logData：

import pandas as pd, numpy as np

idxData = pd.to_datetime(['08:00', '08:15', '08:30', '08:45', '09:00'])
logData = pd.DataFrame(np.array([1.0, 2.0, 3.0, 4.0, 5.0]), columns=['val'], index=idxData)
idxRng  = pd.interval_range(idxData[0], idxData[-1], freq='30min')
avgData = logData.groupby( pd.cut(logData.index, idxRng) ).mean()

数据被分组为avgData如下所示：

                      val
(08:00:00, 08:30:00]  2.5
(08:30:00, 09:00:00]  4.5

这个下采样avgData现在应该（在执行一些其他计算之后）再次上采样，例如到频率freq='10min'为进一步计算。由于avgData.resample('10min')引发以下错误，问题是如何重新采样分类数据？

TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'CategoricalIndex'

提前谢谢了！

4

2 回答 2

0

为了使重采样工作，您的索引需要具有 datetime64[ns] 的数据类型，通过运行以下代码检查索引的数据类型。

avgData.index.dtype
于 2020-11-08T13:29:37.733 回答
0

我花了一点时间才弄清楚如何有意义地转换分类索引，但index.categories.mid似乎可行，允许通过重新采样数据

avgData.set_index( pd.DatetimeIndex( avgData.index.categories.mid ), inplace=True)
avgData = avgData.resample('5min').interpolate(method='nearest')

这产生了预期的结果：

          val
08:15:00  2.5
08:20:00  2.5
08:25:00  2.5
08:30:00  2.5
08:35:00  4.5
08:40:00  4.5
08:45:00  4.5
于 2020-11-08T15:33:55.270 回答