python - 重新采样 Pandas 中不规则间隔的数据

Question

是否可以对不规则间隔的数据使用 resample？ (我知道文档说它用于“对常规时间序列数据进行重采样”，但我想尝试一下它是否也适用于不规则数据。也许它不起作用，或者我做错了什么。)

在我的真实数据中，我一般每小时有 2 个样本，它们之间的时间差通常在 20 到 40 分钟之间。因此，我希望将它们重新采样为定期的每小时系列。

为了测试我是否正确使用它，我使用了一些我已经拥有的随机日期列表，因此它可能不是最好的例子，但至少适用于它的解决方案将非常强大。这是:

    fraction  number                time
0   0.729797       0 2014-10-23 15:44:00
1   0.141084       1 2014-10-30 19:10:00
2   0.226900       2 2014-11-05 21:30:00
3   0.960937       3 2014-11-07 05:50:00
4   0.452835       4 2014-11-12 12:20:00
5   0.578495       5 2014-11-13 13:57:00
6   0.352142       6 2014-11-15 05:00:00
7   0.104814       7 2014-11-18 07:50:00
8   0.345633       8 2014-11-19 13:37:00
9   0.498004       9 2014-11-19 22:47:00
10  0.131665      10 2014-11-24 15:28:00
11  0.654018      11 2014-11-26 10:00:00
12  0.886092      12 2014-12-04 06:37:00
13  0.839767      13 2014-12-09 00:50:00
14  0.257997      14 2014-12-09 02:00:00
15  0.526350      15 2014-12-09 02:33:00

现在我想对这些重新采样，例如每月一次:

df_new = df.set_index(pd.DatetimeIndex(df['time']))
df_new['fraction'] = df.fraction.resample('M',how='mean')
df_new['number'] = df.number.resample('M',how='mean')

但我得到 TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'RangeIndex' - 除非我在分配日期时间索引时做错了什么，这一定是由于违规？

所以我的问题是:

1. 我是否正确使用它？
2. 如果 1==True，是否没有直接的方法对数据进行重采样？

(我只看到一个解决方案，首先重新索引数据以获得更精细的间隔，插入中间的值，然后将其重新索引为每小时间隔。如果是这样，那么关于重新索引的正确实现的问题将很快出现。 )

Answer 1

您不需要显式使用DatetimeIndex，只需将'time' 设置为索引，pandas 会处理剩下的，只要您的“时间” 列已使用 pd.to_datetime 转换为日期时间或其他一些方法。此外，如果您使用相同的方法，则无需单独对每一列重新采样；只需在整个 DataFrame 上执行即可。

# Convert to datetime, if necessary.
df['time'] = pd.to_datetime(df['time'])

# Set the index and resample (using month start freq for compact output).
df = df.set_index('time')
df = df.resample('MS').mean()

结果输出:

            fraction  number
time                        
2014-10-01  0.435441     0.5
2014-11-01  0.430544     6.5
2014-12-01  0.627552    13.5