python - Pandas - Resample/GroupBy DateTime Index 并执行计算

Question

我会尽力解释我需要帮助的地方。我有以下 df(如果不是数百万行，也有数千行)带有日期时间索引，如下例所示:

INDEX                   COL A       COL B
2018-05-07 21:53:13.731 0.365127    9391.800000
2018-05-07 21:53:16.201 0.666127    9391.800000
2018-05-07 21:53:18.038 0.143104    9391.800000
2018-05-07 21:53:18.243 0.025643    9391.800000
2018-05-07 21:53:18.265 0.640484    9391.800000
2018-05-07 21:53:18.906 -0.100000   9391.793421
2018-05-07 21:53:19.829 0.559516    9391.800000
2018-05-07 21:53:19.846 0.100000    9391.800000
2018-05-07 21:53:19.870 0.006560    9391.800000
2018-05-07 21:53:20.734 0.666076    9391.800000
2018-05-07 21:53:20.775 0.666076    9391.800000
2018-05-07 21:53:28.607 0.100000    9391.800000
2018-05-07 21:53:28.610 0.041991    9391.800000
2018-05-07 21:53:29.283 -0.053518   9391.793421
2018-05-07 21:53:47.322 -0.046302   9391.793421
2018-05-07 21:53:49.182 0.100000    9391.800000

我想做的是以 5 秒为间隔对行进行分组，并在每 5 秒间隔/子集上执行(有时是复杂的)计算。

例如，我想计算每 5 秒 block 内 A 列中正值与负值的百分比。

2018-05-07 21:53:10 到 2018-05-07 21:53:15 只包含一行，A 列是正数，所以我将使用 100% 创建一个新的 C 列。

类似地 2018-05-07 21:53:15 到 2018-05-07 21:53:20 在 A 列中有 8 行，其中 7 行是正数其中 1 项为阴性。所以 C 列将是 87.5%。

我会发布示例代码，但我真的不确定执行此操作的最佳方法。示例输出(新 df)可能类似于下面的内容，其中 COL D 只是该 5 秒分组的 COL B 中的最小数字:

INDEX               COL C     COL D (MIN)
2018-05-07 21:53:10 100%     9391.800000
2018-05-07 21:53:15 12.5%    9391.793421
2018-05-07 21:53:20 100%     9391.800000
2018-05-07 21:53:25 66.7%    9391.793421
2018-05-07 21:53:30 nan      nan
2018-05-07 21:53:35 nan      nan
2018-05-07 21:53:40 nan      nan
2018-05-07 21:53:45 100%     9391.793421

请记住，我想对每个分组进行许多不同的计算。因此使用内置的 .sum()、.mean()、.agg() 等不足以进行更复杂的计算。

感谢任何帮助，如果需要，我很乐意澄清问题。

Answer 1

我认为需要正值的百分比需要值的平均值 >0 :

df = df.resample('5S').agg({'COL A': lambda x: (x > 0).mean() * 100, 'COL B': 'min'})
print (df)
                          COL A        COL B
INDEX                                       
2018-05-07 21:53:10  100.000000  9391.800000
2018-05-07 21:53:15   87.500000  9391.793421
2018-05-07 21:53:20  100.000000  9391.800000
2018-05-07 21:53:25   66.666667  9391.793421
2018-05-07 21:53:30         NaN          NaN
2018-05-07 21:53:35         NaN          NaN
2018-05-07 21:53:40         NaN          NaN
2018-05-07 21:53:45   50.000000  9391.793421

负值的百分比需要 <0 的平均值:

df = df.resample('5S').agg({'COL A': lambda x: (x < 0).mean() * 100, 'COL B': 'min'})
print (df)
                         COL A        COL B
INDEX                                      
2018-05-07 21:53:10   0.000000  9391.800000
2018-05-07 21:53:15  12.500000  9391.793421
2018-05-07 21:53:20   0.000000  9391.800000
2018-05-07 21:53:25  33.333333  9391.793421
2018-05-07 21:53:30        NaN          NaN
2018-05-07 21:53:35        NaN          NaN
2018-05-07 21:53:40        NaN          NaN
2018-05-07 21:53:45  50.000000  9391.793421

正如@Alexander 指出的那样 0既不是积极的也不是消极的。所以最好在计数之前将其删除:

df = df.resample('5S').agg({'COL A': lambda x: (x[x.ne(0)] > 0).mean() * 100, 'COL B': 'min'})