- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在尝试按日期聚合 Pandas DataFrame,然后按日期对结果进行索引,但我似乎根本无法对其进行索引。
from datetime import date, datetime
import pandas as pd
import numpy as np
ts = pd.DataFrame({'data': np.random.randn(60)}, index=pd.date_range('1/1/2000', periods=60, freq='2h'))
g = ts.groupby(ts.index.date).agg(np.mean)
print(g)
data
2000-01-01 0.090038
2000-01-02 0.099970
2000-01-03 -0.619274
2000-01-04 0.027040
2000-01-05 -0.323205
首先,我希望索引是一个DatetimeIndex
,但是:
print(g.index)
Index([2000-01-01, 2000-01-02, 2000-01-03, 2000-01-04, 2000-01-05], dtype='object')
g.index[0]
datetime.date(2000, 1, 1)
好的,让我们试着索引它:
g['2000-01-01']
KeyError: u'no item named 2000-01-01'
g[date(2000, 01, 01)]
KeyError: u'no item named 2000-01-01'
g[datetime(2000, 01, 01)]
KeyError: u'no item named 2000-01-01 00:00:00'
g[pd.to_datetime('2000-01-01')]
KeyError: u'no item named 2000-01-01 00:00:00'
我什至不能用索引本身索引它!
g[g.index[0]]
KeyError: u'no item named 2000-01-01'
我错过了什么?为什么对 DatetimeIndex
进行分组/聚合的结果不是 DatetimeIndex
,或者至少不是 PeriodIndex
?有没有办法让它成为一个?
最佳答案
索引是一个日期时间,因为您要将日期时间数组传递给 groupby:
In [11]: ts.index.date[:2]
Out[11]: array([datetime.date(2000, 1, 1), datetime.date(2000, 1, 1)], dtype=object)
一个更常用的方法是重新采样:
In [12]: res = ts.resample('D', how='mean')
In [13]: res
Out[13]:
data
2000-01-01 0.181246
2000-01-02 -0.167023
2000-01-03 -0.075843
2000-01-04 -0.218141
2000-01-05 -0.144635
或者如果您正在做更复杂的事情,您可以使用 TimeGrouper:
In [14]: ts.groupby(pd.TimeGrouper('D')).mean()
Out[14]:
data
2000-01-01 0.181246
2000-01-02 -0.167023
2000-01-03 -0.075843
2000-01-04 -0.218141
2000-01-05 -0.144635
它们有一个 DatetimeIndex 索引。
关于访问行,您应该使用 loc,但我喜欢使用时间戳访问:
In [15]: res.loc['2000-01-01'] # KeyError without using loc
Out[15]:
data 0.181246
Name: 2000-01-01 00:00:00, dtype: float64
In [16]: res.loc[pd.Timestamp('2000-01-01')]
Out[16]:
data 0.181246
Name: 2000-01-01 00:00:00, dtype: float64
您可以使用这些字符串进行切片(但我认为这不是一个 super 可靠的想法,我更喜欢使用时间戳):
In [17]: res['2000-01-01':'2000-01-01']
Out[17]:
data
2000-01-01 0.181246
关于python - 索引按日期分组并聚合的 Pandas 数据框?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22843882/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!