我有一个像下面这样的数据框 df:
city datetime value
0 city_a 2020-07-10 2
1 city_a 2020-07-11 5
2 city_b 2020-07-11 4
我正在尝试以 6 小时的频率(每 00 小时、6 小时、12 小时和 18 小时的数据)重新采样每日日期时间。下面的代码给了我几乎我期望的输出
my_df = my_df.set_index(['datetime', 'city'])
my_df = my_df.unstack(-1).resample('6H').pad()
my_df = my_df.stack().reset_index()
my_df = my_df[['city', 'datetime', 'value']]
my_df = my_df.sort_values(['city', 'datetime'])
输出: city datetime value
0 city_a 2020-07-10 00:00:00 2.0
1 city_a 2020-07-10 06:00:00 2.0
2 city_a 2020-07-10 12:00:00 2.0
3 city_a 2020-07-10 18:00:00 2.0
4 city_a 2020-07-11 00:00:00 5.0
5 city_b 2020-07-11 00:00:00 4.0
但是,我们可以看到 2020-07-11 的那一天并不完整。我希望包括 2020-07-11 06:00:00、12:00:00 和 18:00:00 在内的行出现在输出中。所以我的预期输出应该是:
city datetime value
0 city_a 2020-07-10 00:00:00 2.0
1 city_a 2020-07-10 06:00:00 2.0
2 city_a 2020-07-10 12:00:00 2.0
3 city_a 2020-07-10 18:00:00 2.0
4 city_a 2020-07-11 00:00:00 5.0
6 city_a 2020-07-11 06:00:00 5.0
8 city_a 2020-07-11 12:00:00 5.0
10 city_a 2020-07-11 18:00:00 5.0
5 city_b 2020-07-11 00:00:00 4.0
7 city_b 2020-07-11 06:00:00 4.0
9 city_b 2020-07-11 12:00:00 4.0
11 city_b 2020-07-11 18:00:00 4.0
有没有一种优雅的方法可以用 Pandas 做到这一点?生成数据帧的代码:
my_df = pd.DataFrame(data = {
'city': ['city_a', 'city_a', 'city_b'],
'datetime':
[pd.to_datetime('2020/07/10'),pd.to_datetime('2020/07/11'),pd.to_datetime('2020/07/11')],
'value': [2,5,4]
})
最佳答案
使用 :
# STEP A
df1 = (df.groupby('city')['datetime'].max() + pd.Timedelta(days=1)).reset_index()
# STEP B
df1 = pd.concat([df, df1]).set_index('datetime')
# STEP C
df1 = df1.groupby('city', as_index=False).resample('6H').ffill()
# STEP D
df1 = df1.reset_index().drop('level_0', 1).dropna(subset=['value'])
详情:步骤 A:使用
DataFrame.groupby
对 city
上的数据框进行分组确定每组中日期的最大值并添加 1 day
到每个组的最大值,这将需要重新采样数据帧。# print(df1)
city datetime
0 city_a 2020-07-12
1 city_b 2020-07-12
步骤 B:使用 pd.concat
连接原始数据帧 df
到新创建的数据框 df1
,这是因为我们必须在步骤 C 中重新采样数据帧。# print(df1)
city value
datetime
2020-07-10 city_a 2.0
2020-07-11 city_a 5.0
2020-07-11 city_b 4.0
2020-07-12 city_a NaN
2020-07-12 city_b NaN
步骤 C:使用 DataFrame.resample
重新采样分组在 city
上的数据帧频率为 6H
并使用 ffill
向前填充值。# print(df1)
city value
datetime
0 2020-07-10 00:00:00 city_a 2.0
2020-07-10 06:00:00 city_a 2.0
2020-07-10 12:00:00 city_a 2.0
2020-07-10 18:00:00 city_a 2.0
2020-07-11 00:00:00 city_a 5.0
2020-07-11 06:00:00 city_a 5.0
2020-07-11 12:00:00 city_a 5.0
2020-07-11 18:00:00 city_a 5.0
2020-07-12 00:00:00 city_a NaN
1 2020-07-11 00:00:00 city_b 4.0
2020-07-11 06:00:00 city_b 4.0
2020-07-11 12:00:00 city_b 4.0
2020-07-11 18:00:00 city_b 4.0
2020-07-12 00:00:00 city_b NaN
步骤 D:最后使用 DataFrame.reset_index
并使用 DataFrame.drop
删除未使用的列沿axis=1
, 也使用 DataFrame.dropna
用 NaN
删除行列中的值 value
.# print(df1)
datetime city value
0 2020-07-10 00:00:00 city_a 2.0
1 2020-07-10 06:00:00 city_a 2.0
2 2020-07-10 12:00:00 city_a 2.0
3 2020-07-10 18:00:00 city_a 2.0
4 2020-07-11 00:00:00 city_a 5.0
5 2020-07-11 06:00:00 city_a 5.0
6 2020-07-11 12:00:00 city_a 5.0
7 2020-07-11 18:00:00 city_a 5.0
9 2020-07-11 00:00:00 city_b 4.0
10 2020-07-11 06:00:00 city_b 4.0
11 2020-07-11 12:00:00 city_b 4.0
12 2020-07-11 18:00:00 city_b 4.0
关于python - 如何使用 Pandas 将所有整天的每日数据重新采样为每小时数据?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62829918/