pandas - 考虑最后一组与 groupby

Question

我只是想多了解一点石斑鱼。我知道调用频率会使某些函数无效。但我想知道在使用grouper时是否有解决办法来计算最后一段。例如，我希望 max 计数包含下面 df 的 13:30:00 和 13:45:00 之间的 15 分钟段.

df = pd.DataFrame({
    'Time' : ['1904-01-01 13:00:00','1904-01-01 13:10:00','1904-01-01 13:15:00','1904-01-01 13:25:00','1904-01-01 13:35:00'],                 
    'Number' : [2,2,1,1,1],                      
    })

df['Time'] = pd.to_datetime(df['Time'])

df = df.groupby(pd.Grouper(freq='15T', key='Time', closed = 'left'))['Number'].max().ffill()
df = df.reset_index(level=['Time'])

输出:

                 Time  Number
0 1904-01-01 13:00:00       2
1 1904-01-01 13:15:00       1
2 1904-01-01 13:30:00       1

这可以通过使用label = 'right'来实现。但输出是:

                 Time  Number
0 1904-01-01 13:15:00       2
1 1904-01-01 13:30:00       1
2 1904-01-01 13:45:00       1

我希望返回df:

                 Time  Number
0 1904-01-01 13:00:00       2
1 1904-01-01 13:15:00       1
2 1904-01-01 13:30:00       1
3 1904-01-01 13:45:00       1

Answer 1

我在 pandas 0.24.2 中得到不同的输出:

df = df.groupby(pd.Grouper(freq='15T', key='Time', closed = 'right'))['Number'].max().ffill()
df = df.reset_index(level=['Time'])
print (df)
                 Time  Number
0 1904-01-01 12:45:00       2
1 1904-01-01 13:00:00       2
2 1904-01-01 13:15:00       1
3 1904-01-01 13:30:00       1

标签可以按 label='right' 移动，但值没有改变:

df = (df.groupby(pd.Grouper(freq='15T', key='Time', label='right', closed = 'right'))['Number']
       .max().ffill())

#resample alternative
df2 = df.resample('15T', on='Time', label='right', closed='right')['Number'].max().ffill()
df2 = df.reset_index(level=['Time'])
print (df2)
                 Time  Number
0 1904-01-01 13:00:00       2
1 1904-01-01 13:15:00       2
2 1904-01-01 13:30:00       1
3 1904-01-01 13:45:00       1

更多信息请参见 how to understand closed and label arguments in pandas resample method? ，因为 Grouper 使用相同的逻辑，并且大多数参数是相同的。

您的问题的可能解决方案是添加新行，并将最大日期时间移动15分钟:

df1 = pd.DataFrame({'Time': df['Time'].max() + pd.Timedelta('15T'),
                    'Number':df['Number'].iat[-1]}, index=[0])
print (df1)
                 Time  Number
0 1904-01-01 13:50:00       1

df = df.append(df1).groupby(pd.Grouper(freq='15T', key='Time'))['Number'].max()
df = df.reset_index(level=['Time'])

print (df)
                 Time  Number
0 1904-01-01 13:00:00       2
1 1904-01-01 13:15:00       1
2 1904-01-01 13:30:00       1
3 1904-01-01 13:45:00       1