python - Pandas Groupby 返回平均但是!排除 NaN

Question

所以我试图理解 pandas groupby 函数并减少我拥有的大型数据帧。这是一个例子:

                             A        B
2016-09-23 19:36:08+00:00   NaN     34.0
2016-09-23 19:36:11+00:00   NaN     33.0
2016-09-23 19:36:12+00:00   24.1    NaN
2016-09-23 19:36:14+00:00   NaN     34.0
2016-09-23 19:36:17+00:00   NaN     34.0
2016-09-23 19:36:20+00:00   NaN     34.0
2016-09-23 19:36:22+00:00   24.2    NaN
2016-09-23 19:36:23+00:00   NaN     34.0
2016-09-23 19:36:26+00:00   NaN     34.0
2016-09-23 19:36:29+00:00   NaN     34.0
2016-09-23 19:36:32+00:00   24.1    NaN
2016-09-23 19:36:33+00:00   NaN     34.0
2016-09-23 19:37:00+00:00   NaN     34.0
2016-09-23 19:37:02+00:00   24.1    NaN

所以我有2个数据系列“A”和“B”，它们以不同的速率采样，采样时间作为原始数据帧的索引。

我现在想按日期/小时/分钟对数据框的行进行分组，并返回每分钟数据的平均值。这里平均值应该忽略数据框中的缺失值。

例如，我会返回这样的内容:

                             A        B
2016-09-23 19:36:00+00:00   24      34.0
2016-09-23 19:37:00+00:00   24.1    33.0

是否可以使用内置的 pandas 函数来做到这一点？

Answer 1

我认为你需要resample与 Resampler.mean ，计算组的平均值，排除缺失值:

print (df.resample('1Min').mean())
                             A          B
2016-09-23 19:36:00  24.133333  33.888889
2016-09-23 19:37:00  24.100000  34.000000

另一个使用groupby的解决方案:

print (df.groupby([pd.TimeGrouper('1Min')]).mean())
                             A          B
2016-09-23 19:36:00  24.133333  33.888889
2016-09-23 19:37:00  24.100000  34.000000