我有一个包含两列的 Pandas 数据框,分别是 speed
和 time
。
speed date
54.72 1:33:56
49.37 1:33:59
37.03 1:34:03
24.02 7:39:58
28.02 7:40:01
24.04 7:40:04
24.02 7:40:07
25.35 7:40:10
26.69 7:40:13
32.04 7:40:16
28.02 11:05:43
30.71 11:05:46
29.36 11:05:49
18.68 11:05:52
54.72 11:05:55
34.69 10:31:34
25.03 10:31:38
56.04 10:31:40
44.03 10:31:43
我想计算 30 分钟内每个 bin 的平均速度。例如,第 4 个区间 (1:31 - 2:00) 的平均速度为 (54.72 + 49.37 + 37.03)/3。我想过将小时、分钟和秒从 00:00 转换为秒,然后有 1800 秒的分箱。我曾尝试使用 scipy.stats 中的 binned_statistic,但我的主要问题是我找不到一种方法来根据日期分离垃圾箱并获得平均速度。
有什么想法吗?
最佳答案
转换为日期时间并使用 pandas.Grouper
+ Offset Aliases :
df['date'] = pd.to_datetime(df.date)
df.groupby(pd.Grouper(key='date', freq='30min')).mean().dropna()
speed
date
2018-09-20 01:30:00 47.040000
2018-09-20 07:30:00 26.311429
2018-09-20 10:30:00 39.947500
2018-09-20 11:00:00 32.298000
关于python - Pandas:将日期划分为 30 分钟间隔并计算平均值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52426972/