这是我的数据的简化外观:
Open High Low Close
2005-09-06 09:00:00 1234.25 1234.50 1234.00 1234.25
2005-09-06 12:00:00 1234.50 1234.75 1234.25 1234.50
2005-09-06 16:00:00 1234.50 1234.50 1234.25 1234.50
2005-09-07 09:00:00 1234.25 1234.50 1234.00 1234.25
2005-09-07 12:00:00 1234.25 1234.50 1234.25 1234.50
2005-09-07 16:00:00 1234.25 1234.75 1234.25 1234.25
2005-09-08 09:00:00 1234.25 1234.25 1234.00 1234.25
2005-09-08 12:00:00 1234.25 1234.25 1233.75 1234.25
2005-09-08 16:00:00 1234.25 1234.50 1234.00 1234.00
我想获取每一天的最大值和最小值的小时数。最大值是“高”列的最大值,最小值是“低”列的最小值。在此示例中,输出将是:
Max_Time Min_Time
2005-09-06 12:00:00 09:00:00
2005-09-07 16:00:00 09:00:00
2005-09-08 16:00:00 12:00:00
由于这个总结会很长,所以总结它以获得每个时间戳的分布很有用,但是使用每小时的 bin,所以它看起来像:
Max Min
09:00:00 0 2
12:00:00 1 1
16:00:00 2 0
我该怎么做?
最佳答案
假设索引已经是 DatetimeIndex,我会尝试类似的方法:
>>> g = df.groupby(df.index.date) # groupby date
>>> max_min = pd.DataFrame({'Max_Time': g['High'].idxmax().dt.time,
'Min_Time': g['Low'].idxmin().dt.time})
>>> max_min
Max_Time Min_Time
2005-09-06 12:00:00 09:00:00
2005-09-07 16:00:00 09:00:00
2005-09-08 16:00:00 12:00:00
(如果你只想要小时,而不是完整的时间,你可以使用 dt.hour
。)
要获取每列中时间的单独计数,您可以调用 pd.value_counts
:
>>> pd.DataFrame({'Max': max_min.Max_Time.value_counts(),
'Min': max_min.Min_Time.value_counts()})
Max Min
09:00:00 NaN 2
12:00:00 1 1
16:00:00 2 NaN
关于python - 如何获取idmax-admin在时序数据中的分布?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29569365/