python - 如何根据列的数据对时间序列进行重新采样/重新索引/分组？

Question

所以我有一个 pandas 数据框，其中包含 1 秒分辨率下的 2 个用水值。值为“hotIn”和“hotOut”。 hotIn 可以以一秒的分辨率记录低至十分之一加仑，而 hotOut 记录代表一加仑的整数脉冲，即当脉冲发生时，一加仑已经通过仪表。脉冲大约每 14-15 秒发生一次。

数据大概是这样的:

Index                       hotIn(gpm)      hotOut(pulse=1gal) 
2019-03-23T00:00:00         4               0 
2019-03-23T00:00:01         5               0 
2019-03-23T00:00:02         4               0 
2019-03-23T00:00:03         4               0 
2019-03-23T00:00:04         3               0 
2019-03-23T00:00:05         4               1 
2019-03-23T00:00:06         4               0 
2019-03-23T00:00:07         5               0 
2019-03-23T00:00:08         3               0 
2019-03-23T00:00:09         3               0 
2019-03-23T00:00:10         4               0 
2019-03-23T00:00:11         4               0 
2019-03-23T00:00:12         5               0 
2019-03-23T00:00:13         5               1

---

我正在尝试做的是根据脉冲的出现对数据帧重新采样或重新索引，并对新时间戳之间的 hotIn 求和。

例如，对 00:00:00 - 00:00:05 和 00:00:06 - 00:00:13 之间的 hotIn 求和。

理想情况下，结果应该是这样的:

Index                       hotIn sum(gpm)      hotOut(pulse=1gal) 
2019-03-23T00:00:05         24                 1 
2019-03-23T00:00:13         32                 1 

我探索了使用两步 for-elif 循环来检查 hotOut == 1 是否有效，但在大型数据集上速度非常慢。如果可能的话，我很肯定 Pandas 的时间戳功能会更好。我也不能简单地在设定频率上重新采样，因为脉冲之间的间隔会定期变化。主要问题是脉冲变化之间的时间戳周期，因此一般的重采样规则将不起作用。在提取与脉冲相关的时间戳并将它们作为新索引应用到 main 时，我也遇到了匹配数据帧长度的问题。

Answer 1

IIUC，你可以这样做:

s = df['hotOut(pulse=1gal)'].shift().ne(0).cumsum()
(df.groupby(s)
   .agg({'Index':'last', 'hotIn(gpm)':'sum'})
   .reset_index(drop=True)
)

输出:

                 Index  hotIn(gpm)
0  2019-03-23T00:00:05          24
1  2019-03-23T00:00:13          33