我是Python新手,正在处理pandas机器学习的数据预处理问题。 我想要预处理的数据由 n 个测量变量组成,其中每个变量都有自己的“时间戳”。此外,每个测量变量的列长度不同(例如,变量 a 测量 50 次,变量 b 测量 1000 次)。 对于机器学习,我需要对数据进行插值。我希望每个测量变量的时间戳相同。如何有效地对这样的数据帧进行上采样和下采样?
首先,我成功地从相应的.dat文件中导入了数据。
然后,我将数据帧拆分为每个时间点和测量值对的数据帧,以删除所有纳米值。
现在,我陷入了如何对这些数据帧进行上采样/下采样的困境。 时间向量始终以 hh:mm:ss 的形式提供总处理时间。不幸的是,我似乎无法在这里使用 pandas 重新采样功能,因为我的数据中给出的时间点不是日期时间格式。此外,处理时间本身对于机器学习任务也非常重要。所以我不想将处理时间更改为日期时间。
也许您知道一种简单有效的方法来处理我的数据? 对于机器学习任务,需要处理一些 GB 的数据,因此我对有效的方法非常感兴趣。
'Import data'
df = pd.read_csv('FILE', sep="\t",
names=['t_a','a','t_b','b','t_c','c',
't_d','d','t_e','e','t_f','f',
't_g','g','t_h','h','t_i','i'],
parse_dates=['t_a','t_b','t_c',
't_d','t_e','t_f',
't_g','t_h','t_i'],
decimal = ',',
header=1)
"Split df into touple of respective measuring time-point and measured
value"
"Then, Drop all nan-values"
dfs=np.split(df,[2],axis=1)
a=dfs[0]
a=a.dropna()
dfs=np.split(dfs[1],[2],axis=1)
b=dfs[0]
b=b.dropna()
dfs=np.split(dfs[1],[2],axis=1)
c=dfs[0]
c=c.dropna()
"And so on..."
最佳答案
现在我解决了将进程时间解析为日期时间对象的问题,如下所示:
def parse_processtime(df, df_columns):
for col in df_columns:
if df[col].dtype == object:
df[col] = pd.to_timedelta(df[col], errors='ignore')
df = pd.read_csv('FILE', sep="\t",
names=['t_a','a','t_b','b','t_c','c',
't_d','d','t_e','e','t_f','f',
't_g','g','t_h','h','t_i','i'],
parse_dates=['t_a','t_b','t_c',
't_d','t_e','t_f',
't_g','t_h','t_i'],
infer_datetime_format=True,
decimal = ',',
header=1)
## Parse process-time
parse_processtime(df, df.columns)
关于python - 如何分别处理具有多个测量时间列和多个测量变量的数据帧,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57375111/