问题标签 [pandas-resample]

希望这是一个容易的。使用任一...

dfnew = dfjoin.set_index('Time').resample('H').median()

或者

dfnew = dfjoin.resample('H',on="Time").median()

dfnew 中不存在“时间”列。（在某种程度上答案是显而易见的，我提前道歉。）

我想执行一个大熊猫时间序列的 groupby.first() ，其中日期时间索引几乎是连续的，几乎小于 5 分钟的差异。我看过很多材料，但如果日期时间不是连续的，就像我的例子一样：

我想要的输出应该是：

任何人都可以帮助我吗？

我目前正在努力将我的数据转换为有用的数据集。我需要从第一个月到最后一个月平均分配付款。问题是付款不一致和不平等。此外，有些付款已全额支付，应根据协议数据框从第一次付款加上适用的期限开始分配。

我的表如下：

第一张表：付款

这是付款数据框的代码：

表二：协议

这是协议数据框的代码：

我想要的结果如下：

或者，以代码形式：

激活日期与首次付款日期相同。

我尝试使用以下代码（由 AlexK 建议）创建另一列，但仅当总付款少于总费用时才适用。但是，当总付款等于总费用时，我需要从付款开始到月底相应地分配付款（开始加上以月为单位的条款）。

我正在使用 Pandas 及时插值数据点，但是在重新采样和插值时，在使用不同的重采样率时，对于相同的插值时间，我会得到不同的结果。

这是一个测试示例：

a数据框和数据框应在b每分钟预测相同的值，但在大多数情况下，此时它们会有所不同。

有谁知道这可能是什么原因造成的？在绘制完整结果时，似乎在分钟内重新采样会导致 pandas 忽略不在分钟内的时间戳中的数据（例如 12:01:40 和 12:03:20）。

我已经尝试了很多方法来找到一种方法，该方法允许我在没有任何聚合的情况下获得重采样或组的所有组，例如从：

我能够通过以下方式获得特定重采样的每一组：

输出是一个字典，所以我可以通过以下方式访问特定元素：

但这似乎并不那么聪明。

有更好的方法，例如，为每组重采样获取 1 个 DataFrame？

我知道可以循环重采样为：

但这不允许我比较不连续的组，或者至少不容易。

有什么好的技巧来处理这个问题吗？

我正在处理光伏组件的天气数据。我得到的辐照度数据集（常规时间序列，1 秒数据）显示了该领域经常出现的一个问题：有时，零值在不应该出现的情况下（白天）出现，例如由于仪器或数据写入错误。

我过去有效的解决方案如下：

其中PoA：原始，有问题，，PoA_corr我尝试纠正错误。

然而，从下图可以看出，并非所有错误点都得到了适当的纠正：问题在于，在该点PoA == 0 之前和之后的 1-4 个点也是不正确的（即图中的“V”形一个点 ==0 的数据需要用前后“V”点之间的插值线替换）。

我有一些想法，但对于哪个是最好的，哪个是最 Pythonic（或能够做到）感到困惑。

1. 获取索引列表 where PoA == 0，查看上方 3 秒（行），然后替换 6-8 秒（=6-8 行）的数据。我设法在白天使用找到点列表，between_time然后使用 a 找到上面的点timedelta，但我不知道如何替换/覆盖随后的 6-8 行（或在点“X-4”和“ X+4"，其中 X 是PoA == 0. 的位置。df 很大（2.3 GB），所以我不愿意对此使用 for 循环。目前，我的日期时间列表中 PoA == 0 在白天是发现为：

2. 对数据进行某种形式的移动窗口，以便如果窗口内的任何值 == 0，则 => 在窗口的第一个值和最后一个值之间进行插值。在这里，我对如何做到这一点感到困惑。

是在熊猫中找到解决方案，还是建议使用 numpy 或纯 python？

我的眼动追踪数据的结构如下图所示：

https://gist.github.com/Zahra-on-Github/729d6080cd481072dae00c7a53c004cc

眼动追踪数据在记录时以 120Hz 采样。对我来说重要的变量是“diameter_3d”。

对于记录参与者的每个会话，我都有这个 csv 文件。我需要在会话中平均“diameter_3d”。

我是否认为我首先必须重新采样数据（例如，将其上采样到 1000Hz）并对其进行插值，以便能够对它们进行平均？

如果是这样，您能否告诉我如何以符合我的数据结构的方式使用“重新采样”和“插值”功能（或您建议的任何其他功能）？

我有每小时间隔的时间序列数据集。我想将数据重新采样为自定义的不规则间隔。我需要将数据转换为指定的时间。这是我的数据：

我尝试使用以下代码重新采样到 4H：

上面的代码有效。但是，如果我想以不规则的间隔重新采样，即 2H、4H、5H、1H、5H、3H，然后是 4H 而不是每 4H，我该怎么办？

我有一个带有高频（秒或分钟）股票数据的熊猫数据框。

我可以轻松地将这些数据重新采样为平均细分为 24 小时（或 1440 分钟/天）的分钟周期。

您如何在每天 1440 分钟的时间段内执行此操作？例如规则 = '65T'

典型的美国股票数据从东部时间 9:30 到 16:00。对于 65 分钟的条形图，我希望重新采样以下时间段：

我有一个看起来像这样的数据：

数据有超过一天的数据，但它只包含时间但没有日期，日期我必须手动为数据框分配一个新列并将其与时间结合使用

但是这种方法只能分配一天，我希望程序可以在上午 12 点以上自动添加 1 天。此外，你可以看到从 13:45:00 到 13:45:03，它们之间有 3 秒的时间间隔，我想填补每个时间间隔，并且能够显示每一秒的数据

期望的输出：

我已经尝试过 resample 函数来完成这项工作，但是 resample 总是会在重新采样数据之前进行排序，导致 00:00:03 的行将位于第一行（00:00:03 应该是第二天，但是该函数错误地将它们编译为一天）。有没有办法让熊猫识别这个数据集包含超过一天的数据，如果超过上午 12 点，它会自动加上一天的日期？