python - Pandas 基于更高分辨率的数据重新采样

Question

我有两个时间序列，一个是 30 分钟分辨率，另一个是 15 分钟分辨率 A 和 B，如下所示。我想使用 B 将 A 上采样到 15 分钟分辨率，以缩放给定间隔的值。因此，对于第一个值，它将是:

B['final']['01/11/2017  07:30:00'] =  77.0*29.7/(29.7+12.67) 

A['irrad']

2017-11-01 07:30:00     77.0
2017-11-01 08:00:00    214.0
2017-11-01 08:30:00    470.0
2017-11-01 09:00:00    714.0

B['util']

2017-11-01 07:15:00     12.67
2017-11-01 07:30:00     29.70
2017-11-01 07:45:00     46.80
2017-11-01 08:00:00     74.07
2017-11-01 08:15:00    166.27
2017-11-01 08:30:00    256.50
2017-11-01 08:45:00    271.70
2017-11-01 09:00:00    354.33

所以最终系列将是

B['最终']

01/11/2017 07:30    54.0
01/11/2017 07:45    82.9
01/11/2017 08:00    131.1
01/11/2017 08:15    184.8
01/11/2017 08:30    285.2

我正在研究 Pandas 重新采样或合并函数，但发现这是可能的。有任何想法吗？

Answer 1

假设您上采样，然后左合并到 util:

A.index = pd.to_datetime(A.index)
B.index = pd.to_datetime(B.index)
merged = pd.merge(B, A.resample('15s').ffill(), left_index=True, right_index=True, how='left')
>>> merged

util    irrad
index       
2017-11-01 07:15:00 12.67   NaN
2017-11-01 07:30:00 29.70   77.0
2017-11-01 07:45:00 46.80   77.0
2017-11-01 08:00:00 74.07   214.0
2017-11-01 08:15:00 166.27  214.0
2017-11-01 08:30:00 256.50  470.0
2017-11-01 08:45:00 271.70  470.0
2017-11-01 09:00:00 354.33  714.0

现在您可以使用

>>> merged.irrad * merged.util / (merged.util + merged.util.shift(-1))
index
2017-11-01 07:15:00           NaN
2017-11-01 07:30:00     29.894118
2017-11-01 07:45:00     29.813850
2017-11-01 08:00:00     65.952318
2017-11-01 08:15:00     84.163446
2017-11-01 08:30:00    228.237410
2017-11-01 08:45:00    203.982237
2017-11-01 09:00:00           NaN
dtype: float64

请注意，这不是您在问题中指定的内容。请随意澄清您是如何得出最终结果的。