问题标签 [pandas-resample]

我有一个看起来像这样的数据框：

我想根据另一个 df 索引重新采样（求和）需求值，如下所示：

处理它的最佳方法是什么？

我有可用的数据

我想以每小时的方式在字段 StartTime 上进行拆分/重新采样，它将 Duration 和 PartProduced 拆分为 Ratios

我怎样才能做到这一点？

我尝试使用 Pandas 的 resample 获取详细信息。

我想计算每周回报，但从结束日期开始计算。这是我最初尝试使用 pandas 实现它：

然后我得到以下输出，但这不是我想要的：

我希望它从2020-10-13向后开始，以便最后一个范围是：

代替：

到目前为止我已经尝试过：

1. 反转数据框dfw = dfw.reindex(index=dfw.index[::-1])
2. 上面的步骤 #1 加上规则是-5B，这会导致错误。
3. 使用 resample 函数的 origin 参数，但这对计算的顺序没有影响，即origin=dfw.index[-1]
4. 上面的步骤 #1 加上计算倒置数据帧上的每行数，dfw = dfw.rolling(5).apply(weekly_ret)[::5]但在这里我得到了第一个（最后一个）间隔的 NaN，这个解决方案也有点浪费。

更新：这将是想要的输出；请注意，最后一次返回考虑的是从索引中最后一天开始的那一周：

我有一个像下面这样的列表数据，列表中的每个元素都有 6 个东西

这是 1 分钟的数据，我想将其转换为 15 分钟的数据

请帮忙

在处理相关问题后，我发现这种行为resample令人困惑。以下是一些时间序列数据，间隔为 5 分钟，但缺少行（最后构建的代码）：

我想为每一列使用不同的方法来填充缺失的时间来填充缺失的数据。对于user和total，我想向前填充，而对于 ，value我想用零填充。

我发现的一种方法是resample，然后在事后填写缺失的数据：

这给出了正确的预期输出：

我认为一个人可以用来agg按列指定要做什么。我尝试执行以下操作：

我发现这更清晰，更简单，但它没有给出预期的输出。总和有效，但前向填充无效：

有人可以解释这个输出吗，如果有办法使用来实现预期的输出agg？前向填充在这里不起作用似乎很奇怪，但如果我只是这样做resampled = df.resample('5T').ffill()，那将适用于每一列（但在这里不受欢迎，因为它也适用于value列）。我最接近的是为每列单独运行重新采样并应用我想要的功能：

这可行，但感觉很傻，因为它增加了额外的迭代并使用了我试图传递给的字典agg！我看过一些帖子agg，apply但似乎无法解释这里发生了什么：

• 对熊猫使用重新采样和聚合时丢失字符串列
• 用熊猫重新采样多列
• 带有 agg 的 pandas groupby 不能在多个列上工作
• Pandas 命名聚合不适用于重采样 agg

我也尝试过使用groupbywith apd.Grouper和使用pd.NamedAgg类，但没有运气。

示例数据：

给定一个具有时间戳（ts）的 DataFrame，我想按小时（下采样）。以前由 ts 索引的值现在应该根据一小时内剩余的分钟数划分为比率。[注意：在进行重采样时将数据除以 NaN 列的比率]

我想根据时间花费和生产的比率来估计生产。这可以类比how many lines of code have been completed or find how many actual lines per hour?

例如：在“2020-09-10 00:10:00”我们有 22 个。然后在 21:01 - 00:10 期间，我们根据

结果应该是这样的。

这种方法的问题：

在我看来，这种方法存在严重问题。如果您查看行 [1] -> 2020-09-10 07:00:00，我们有 4 个，我们需要将其划分为 3 个小时。将基本持续时间值视为 1（基本单位），我们得到

资源

预期产出

我有一个如下的数据框：

所以我定义了 period datetime 并按天重新采样

那么我想通过前一天的值来填补日期时间的空白。

这是我想要的输出：

或通过前一天和第二天
所需的输出：

我需要的是从“2014-03”到“2019-01”期间每个月从开始计算每个模块的一些操作。

A huge limitation. 一个动作可以从一个月到另一个执行，并在一个日期范围内按每个月计算。

例如，如果模块仍处于“工作中”且操作没有结束 (NaT)，则应按每个月从开始日期到最大日期范围内的日期计算。

计算后预计会有这样的形式：

如果有人知道任何解决方案？

我不知道为什么重采样功能不能正常工作。

我正在尝试使用最简单的示例重新采样，但该函数不会覆盖原始数据帧。

打印结果系列给了我：

在我的用例中，我想升级数据框，但这也没有用。

我在使用 Pandas groupby 功能和时间序列时遇到问题。我已经阅读了文档，但我无法弄清楚如何将聚合函数应用于多个列并正确计算“聚合”的体积（平均值）的平均值。

这是我导入 CSV 文件的代码：

这是我导入后的 DataFrame：

这就是我尝试过的： 由于时间序列重采样，它计算了每天的平均值。我希望它首先对值求和，最后计算平均值。但这确实意味着每天的所有数据。

这就是我希望正确计算和显示结果的方式（我手动计算）： 每天的平均（平均）交易量（分别显示年份和会话）：

任何人都知道我错过了什么/做错了什么？