我有一个记录值的 DataFrame,索引设置为 DatetimeIndex。大约每 15 分钟记录一个值。
我想添加一个新列,该列是当前值与 24 小时前值的分数差。由于这些值大约每十五分钟记录一次,因此我想切换到最接近 24 小时之前的时间索引。如果我尝试准确地做到这一点,我最终会得到很多 NaN
:
df["value"] / df["value"].shift(freq = datetime.timedelta(days = -1))
应该如何进行此转换,以便转换到最接近指定时间索引的时间索引?有没有其他更简单的方法来思考这个问题?
下面是一个说明该问题的示例:
df = pd.DataFrame(
[
[pd.Timestamp("2015-07-18 13:53:33.280"), 10],
[pd.Timestamp("2015-07-19 13:54:03.330"), 20],
[pd.Timestamp("2015-07-20 13:52:13.350"), 30],
[pd.Timestamp("2015-07-21 13:56:03.126"), 40],
[pd.Timestamp("2015-07-22 13:53:51.747"), 50],
[pd.Timestamp("2015-07-23 13:53:29.346"), 60]
],
columns = [
"datetime",
"value"
]
)
df.index = df["datetime"]
del df["datetime"]
df.index = pd.to_datetime(df.index.values)
df["change"] = df["value"] / df["value"].shift(freq = datetime.timedelta(days = -1))
最佳答案
我会向索引添加一天,然后将 pd.DataFrame.reindex
与 method='nearest'
结合使用
df / df.set_index(df.index + pd.offsets.Day()).reindex(df.index, method='nearest')
value
2015-07-18 13:53:33.280 1.000000
2015-07-19 13:54:03.330 2.000000
2015-07-20 13:52:13.350 1.500000
2015-07-21 13:56:03.126 1.333333
2015-07-22 13:53:51.747 1.250000
2015-07-23 13:53:29.346 1.200000
<小时/>
您可以提供另一个偏移量作为 method='nearest'
df / df.set_index(df.index + pd.offsets.Day()).reindex(
df.index, method='nearest', tolerance=pd.offsets.Hour(12))
value
2015-07-18 13:53:33.280 NaN
2015-07-19 13:54:03.330 2.000000
2015-07-20 13:52:13.350 1.500000
2015-07-21 13:56:03.126 1.333333
2015-07-22 13:53:51.747 1.250000
2015-07-23 13:53:29.346 1.200000
关于python - 如何将 DataFrame 移动到最接近指定时间索引的时间索引?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46636772/