Pandas将时间序列数据重新采样到15分钟和45分钟-使用多索引或列
我有一些时间序列数据作为Pandas数据帧，它从一小时过15分钟和过去45分钟的观察开始(时间间隔为30分钟)，然后将频率更改为每分钟一次。我想对整个数据帧进行重新采样，使其具有每30分钟、过去15分钟和过去45小时的固定频率。
我想到了两种方法来实现这一点。
通过将时间序列数据用作dataframe.
- Re-set索引中的列，以使时间序列数据成为多个索引的一部分(索引的第0级是气象站，第1级是观测时间)，并使用
resample().
等
- 时间序列功能，Pandas date-time timeseries功能只需过滤15分钟和45分钟所有观察值的数据帧
原始的数据帧，天气，看起来像这样：
parsed_time Pressure Temp Hum
Station (index)
Bow 1 2018-04-15 14:15:00 1012 20.0 87
2 2018-04-15 14:45:00 1013 20.0 87
3 2018-04-15 15:15:00 1012 21.0 87
4 2018-04-15 15:45:00 1014 22.0 86
5 2018-04-15 16:00:00 1015 22.0 86
6 2018-04-15 16:01:00 1012 25.0 86
7 2018-04-15 16:02:00 1012 25.0 86
Stratford 8 2018-04-15 14:15:00 1011 18.0 87
9 2018-04-15 14:45:00 1011 18.0 87
10 2018-04-15 15:15:00 1012 18.0 87
11 2018-04-15 15:45:00 1014 19.0 86
12 2018-04-15 16:00:00 1014 19.0 86
13 2018-04-15 16:01:00 1015 19.0 86
14 2018-04-15 16:02:00 1016 20.0 86
15 2018-04-15 16:04:00 1016 20.0 86使用方法1时，我遇到的问题是我的布尔select操作似乎无法按预期工作。例如
weather_test = weather[weather['parsed_time'].dt.minute == (15 & 45)]给出如下的parsed_time值：
2018-04-15 14:13:00
2018-04-15 15:13:00
weather_test = weather[weather['parsed_time'].dt.minute == (15 | 45)]结果parsed_time值如下所示：
2018-04-15 14:47:00
2018-04-15 14:47:00
我在文档中找不到任何东西来解释这种行为。我想要的是以下时间的压力，温度，湿度：
2018-04-15 14:45:00
2018-04-15 15:15:00
2018-04-15 15:45:00
2018-04-15 16:15:00诸若此类。
对于方法2，我考虑对数据进行重新采样，以便将我拥有每分钟数据的观测值替换为前30分钟的平均值。只有当parsed_time列是索引的一部分时，此功能才有效，因此我使用以下代码将parsed_time设置为多索引的一部分：
weather.set_index('parsed_time', append=True, inplace=True)
weather.index.set_names('station', level=0, inplace=True)
weather = weather.reset_index(level=1, drop=True)以得到如下所示的数据帧：
Pressure Temp Hum
Station parsed_time
Bow 2018-04-15 14:15:00 1012 20.0 87
2018-04-15 14:45:00 1013 20.0 87
2018-04-15 15:15:00 1012 21.0 87
2018-04-15 15:45:00 1014 22.0 86
2018-04-15 16:00:00 1015 22.0 86
2018-04-15 16:01:00 1012 25.0 86
2018-04-15 16:02:00 1012 25.0 86
Stratford 2018-04-15 14:15:00 1011 18.0 87
2018-04-15 14:45:00 1011 18.0 87
2018-04-15 15:15:00 1012 18.0 87
2018-04-15 15:45:00 1014 19.0 86
2018-04-15 16:00:00 1014 19.0 86
2018-04-15 16:01:00 1015 19.0 86
2018-04-15 16:02:00 1016 20.0 86
2018-04-15 16:04:00 1016 20.0 86请注意，观测值的采样从每30分钟一次，时间间隔为30分钟到每分钟(例如:01、:02、:14等)，也因站点而异-并非所有站点都有每个观测值。
我试过这个：
weather_test = weather.resample('30min', level=1).mean()但这在没有偏移量的情况下进行重采样，并且还去掉了多索引中的桩号级别。
期望的结果是：
Pressure Temp Hum
Station parsed_time
Bow 2018-04-15 14:15:00 1012 20.0 87
2018-04-15 14:45:00 1013 20.0 87
2018-04-15 15:15:00 1012 21.0 87
2018-04-15 15:45:00 1014 22.0 86
2018-04-15 16:15:00 1013 24.0 86
Stratford 2018-04-15 14:15:00 1011 18.0 87
2018-04-15 14:45:00 1011 18.0 87
2018-04-15 15:15:00 1012 18.0 87
2018-04-15 15:45:00 1014 19.0 86
2018-04-15 16:15:00 1015 19.5 86其中，每分钟的观测值都被重新采样为该小时过后30分钟间隔内的平均值。
将站点作为多指标中的一个级别是至关重要的。我不能单独使用时间索引作为索引，因为每个站点的值都是重复的(并且不是唯一的)。
所有的帮助都很感谢，因为我已经在这个问题上转了一段时间了。谢谢!
我看过很多以前的帖子，包括：Boolean filter using a timestamp value on a dataframe in Python
How do I round datetime column to nearest quarter hour
还有：Resampling a pandas dataframe with multi-index containing timeseries，对于本应非常简单的东西，它看起来有点复杂……
文档：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.resample.html，谢谢！
回答 3
Stack Overflow用户
发布于 2018-08-07 00:14:07
从倒数第二个数据帧开始(在使用weather.reset_index(Station, inplace=True)之后)：
Station Pressure Temp Hum
parsed_time
2018-04-15 14:15:00 Bow 1012.0 20.0 87.0
2018-04-15 14:45:00 Bow 1013.0 20.0 87.0
2018-04-15 15:15:00 Bow 1012.0 21.0 87.0
2018-04-15 15:45:00 Bow 1014.0 22.0 86.0
2018-04-15 16:00:00 Bow 1015.0 22.0 86.0
2018-04-15 16:01:00 Bow 1012.0 25.0 86.0
2018-04-15 16:02:00 Bow 1012.0 25.0 86.0
2018-04-15 14:15:00 Stratford 1011.0 18.0 87.0
2018-04-15 14:45:00 Stratford 1011.0 18.0 87.0
2018-04-15 15:15:00 Stratford 1012.0 18.0 87.0
2018-04-15 15:45:00 Stratford 1014.0 19.0 86.0
2018-04-15 16:00:00 Stratford 1014.0 19.0 86.0
2018-04-15 16:01:00 Stratford 1015.0 19.0 86.0
2018-04-15 16:02:00 Stratford 1016.0 20.0 86.0
2018-04-15 16:04:00 Stratford 1016.0 20.0 86.0您可以组合使用groupby和resample
res = weather.groupby('Station').resample('30min').mean().reset_index('Station')默认情况下，resample选择bin间隔[16:00, 16:30)和[16:30, 17:00)。正如您已经注意到的，时间索引是在没有偏移量的情况下重新采样的，但是您可以在以后使用DateOffset将其添加回来
res.index = res.index + pd.DateOffset(minutes=15)这会产生：
Station Pressure Temp Hum
parsed_time
2018-04-15 14:15:00 Bow 1012.00 20.0 87.0
2018-04-15 14:45:00 Bow 1013.00 20.0 87.0
2018-04-15 15:15:00 Bow 1012.00 21.0 87.0
2018-04-15 15:45:00 Bow 1014.00 22.0 86.0
2018-04-15 16:15:00 Bow 1013.00 24.0 86.0
2018-04-15 14:15:00 Stratford 1011.00 18.0 87.0
2018-04-15 14:45:00 Stratford 1011.00 18.0 87.0
2018-04-15 15:15:00 Stratford 1012.00 18.0 87.0
2018-04-15 15:45:00 Stratford 1014.00 19.0 86.0
2018-04-15 16:15:00 Stratford 1015.25 19.5 86.0或者，可以直接在resample方法中指定偏移量：
weather.groupby('Station').resample('30min', loffset=pd.Timedelta('15min')).mean()Stack Overflow用户
发布于 2018-08-06 19:51:15
我没有您的数据，所以我不能直接检查它，但是对于您称为选项1的选项，请尝试以下语法：
weather_test = weather[(weather['parsed_time'].dt.minute == 15) | (weather['parsed_time'].dt.minute == 45)]Stack Overflow用户
发布于 2018-08-07 01:02:59
如果开始时没有任何索引(行索引除外)，则可以执行以下操作：
# Create a rounded timestamp
df['parsed_time_rounded'] = (df['parsed_time'] - pd.Timedelta('15min')).dt.round('30min') + pd.Timedelta('15min')
# Group by the station, and the rounded timestamp instead of the raw timestamp
df.groupby(['Station', 'parsed_time_rounded']).mean()https://stackoverflow.com/questions/51705583
复制相似问题
腾讯云开发者
