python - Pandas :时间序列数据:如何选择一小时或一天或一分钟的行？

Question

我在 .csv 文件中有大量时间序列数据集。文件中有两列:

1. values:这些是示例值。
2. dttm_utc:这些是收集样本时的时间戳。

我已使用 pd.read_csv(..., parse_dates=["dttm_utc"]) 将数据导入 pandas。当我打印 dttm_utc 列的前 50 行时，它们看起来像这样:

0    2012-01-01 00:05:00
1    2012-01-01 00:10:00
2    2012-01-01 00:15:00
3    2012-01-01 00:20:00
4    2012-01-01 00:25:00
5    2012-01-01 00:30:00
6    2012-01-01 00:35:00
7    2012-01-01 00:40:00
8    2012-01-01 00:45:00
9    2012-01-01 00:50:00
10   2012-01-01 00:55:00
11   2012-01-01 01:00:00
12   2012-01-01 01:05:00
13   2012-01-01 01:10:00
14   2012-01-01 01:15:00
15   2012-01-01 01:20:00
16   2012-01-01 01:25:00
17   2012-01-01 01:30:00
18   2012-01-01 01:35:00
19   2012-01-01 01:40:00
20   2012-01-01 01:45:00
21   2012-01-01 01:50:00
22   2012-01-01 01:55:00
23   2012-01-01 02:00:00
24   2012-01-01 02:05:00
25   2012-01-01 02:10:00
26   2012-01-01 02:15:00
27   2012-01-01 02:20:00
28   2012-01-01 02:25:00
29   2012-01-01 02:30:00
30   2012-01-01 02:35:00
31   2012-01-01 02:40:00
32   2012-01-01 02:45:00
33   2012-01-01 02:50:00
34   2012-01-01 02:55:00
35   2012-01-01 03:00:00
36   2012-01-01 03:05:00
37   2012-01-01 03:10:00
38   2012-01-01 03:15:00
39   2012-01-01 03:20:00
40   2012-01-01 03:25:00
41   2012-01-01 03:30:00
42   2012-01-01 03:35:00
43   2012-01-01 03:40:00
44   2012-01-01 03:45:00
45   2012-01-01 03:50:00
46   2012-01-01 03:55:00
47   2012-01-01 04:00:00
48   2012-01-01 04:05:00
49   2012-01-01 04:10:00
Name: dttm_utc, dtype: datetime64[ns]

现在，我想要实现的是:

1. 基本上，我想将数据采样率降低到每小时一次。我想对第一个小时、第二个小时等的样本进行求和和平均，即我想对编号和 0-10 行的所有值求和并求平均，因为它们是在第一个小时收集的，接下来我会喜欢对第 11 行和第 22 行之间的数据进行求和和平均，依此类推。如何使用 pandas 命令实现此目的？

现在采样每 5 分钟进行一次，如果改为每 2 或 10 分钟一次，我希望我的解决方案仍然有效。

Answer 1

您的示例数据是一个系列，但您的问题是询问行的求和和平均值，因此我不清楚您在没有示例数据的情况下尝试求和和求平均的内容。

我认为您感兴趣的是重采样，但这只能在索引中包含日期时间列 (dttm_utc) 时完成。

s = pd.Series(pd.DatetimeIndex(start='2012-01-01 00:05:00', periods=50, 
                   freq=pd.offsets.Minute(n=5)), name='dttm_utc')
s.reset_index().set_index('dttm_utc').resample(pd.offsets.Hour()).agg([np.sum, np.mean])

给你这个...但它是一个多索引，这让事情变得更复杂。

                    index      
                      sum  mean
dttm_utc                       
2012-01-01 00:00:00    55   5.0
2012-01-01 01:00:00   198  16.5
2012-01-01 02:00:00   342  28.5
2012-01-01 03:00:00   486  40.5
2012-01-01 04:00:00   144  48.0

如果你想删除多索引(多级列)，你可以这样做:

new_s = s.reset_index().set_index('dttm_utc').resample(pd.offsets.Hour()).agg([np.sum, np.mean])
new_s.columns = new_s.columns.droplevel(level=0)

                     sum  mean
dttm_utc                      
2012-01-01 00:00:00   55   5.0
2012-01-01 01:00:00  198  16.5
2012-01-01 02:00:00  342  28.5
2012-01-01 03:00:00  486  40.5
2012-01-01 04:00:00  144  48.0