使用GroupBy对时间数据进行数据帧重采样
是一种将时间序列数据按照指定的时间间隔进行分组，并对每个时间段内的数据进行汇总或计算的操作。
概念： 数据帧（DataFrame）是一种二维的数据结构，可以将数据组织成表格形式，类似于关系型数据库中的表。时间数据指的是包含时间戳的数据，例如日志数据、传感器数据等。
分类： 时间数据的重采样可以分为两种类型：降采样和升采样。降采样是将时间粒度变大，例如从每秒钟采集的数据降采样为每分钟或每小时采集的数据。而升采样则是将时间粒度变小，例如从每天采集的数据升采样为每小时或每分钟采集的数据。
优势： 使用GroupBy对时间数据进行数据帧重采样可以帮助我们对大量的时间序列数据进行处理和分析，提取出我们感兴趣的统计信息或特征。通过降采样和升采样，我们可以根据需要调整时间数据的粒度，以便更好地理解数据的趋势和周期性。
应用场景： 时间数据的重采样在许多领域都有广泛的应用，包括金融市场分析、交通流量监测、能源消耗分析、物联网设备数据处理等。在这些场景中，我们通常需要对时间序列数据进行聚合、平滑或插值，以便进行更高级的分析和预测。
推荐的腾讯云相关产品： 腾讯云提供了一系列适用于云计算和数据处理的产品和服务。以下是几个相关的产品：
- 云数据库CynosDB：腾讯云的分布式关系型数据库，可以存储和处理大规模的结构化数据。适用于存储和查询时间序列数据。
- 数据计算服务DataWorks：腾讯云的大数据开发和运维平台，提供了数据流转、数据同步、数据集成、数据质量、数据开发等功能，适用于时间序列数据的清洗、转换和分析。
- 云服务器CVM：腾讯云的弹性云服务器，提供了高性能、可靠稳定的计算资源。适用于部署和运行时间数据处理和分析的应用程序。
- 人工智能服务AI Lab：腾讯云的人工智能开发和部署平台，提供了图像识别、自然语言处理、语音识别等功能。适用于与时间数据相关的人工智能应用。
产品介绍链接地址：
- 云数据库CynosDB：https://cloud.tencent.com/product/cynosdb
- 数据计算服务DataWorks：https://cloud.tencent.com/product/dc
- 云服务器CVM：https://cloud.tencent.com/product/cvm
- 人工智能服务AI Lab：https://cloud.tencent.com/product/ai_lab
请注意，以上推荐的产品和链接地址仅为示例，您可以根据具体需求选择适合的产品和服务。
相关·内容
我有一个DataFrame，它有许多字符串列和datetime列。我想适当地使用熊猫df.resample()重新整理datetime列。例如，我的数据看起来如下：
from pandas import *
import numpy as np
df = DataFrame({
'username' : ["bob","bob","nancy"],
'session' : ["one","two","three"],
'timestamp' : [n
浏览 3提问于2013-12-26得票数 0
回答已采纳
1回答
我正在使用Pandas来组织和处理数据。这是我的DataFrame：
我按分钟对许多日期时间进行了分组，并进行了聚合，以获得按分钟计算的“比特率”得分总和。这是我的代码来拥有这个数据帧：
def aggregate_data(data):
def delete_seconds(time):
return (datetime.datetime.strptime(time, '%Y-%m-%d %H:%M:%S')).replace(second=0)
data['new_time'] = data['beg
浏览 66提问于2016-09-23得票数 3
回答已采纳
2回答
我有以下数据帧：
我需要重新采样数据以计算每周的pct_change()。我怎样才能得到每周的更改？
类似于data['pct_week'] = data['Adj Close'].resample('W').ffill().pct_change()，但数据需要按data.groupby(['month', 'week'])分组
这样，每个月都会为每周的change.Which生成4个值，然后我就可以用图表表示出来
我所做的是df['pct_week'] = data['Adj Clo
浏览 1提问于2019-11-04得票数 5
1回答
我有一个数据帧'X‘，它看起来像：
ticker | date | close |
A | 2002-01-02 | 20 |
A | 2002-01-11 | 10 |
...
A | 2003-01-11 | 15 |
...
C | 2002-01-31 | 40 |
C | 2002-02-01 | 50 |
...
C | 2003-02-01 | 56
浏览 0提问于2018-06-14得票数 0
我有一个数据帧，我想基于参数num_samples对其进行采样。我想基于年龄跨分位数进行均匀采样。 例如，如果我的数据帧有1000行和num_samples = .5，我将需要采样500行，但从每个分位数采样125行。 我的数据帧的前几条记录如下所示： Age x1 x2 x3
12 1 1 2
45 2 1 3
67 4 1 2
11 3 4 10
18 9 7 6
45 3 5 8
78 8 4 7
64 6 2 3
33 3 2 2 我如何在python/pandas中做到这一点？
浏览 22提问于2021-04-23得票数 1
回答已采纳
我在创建一个dask时间序列数据帧时遇到了问题，该数据帧计算多个列上每小时的平均值。
这是我的输入csv文件的示例：
name,date_time,num
dan,2019-01-02 00:00:00,3
ben,2019-01-02 00:00:00,7
dan,2019-01-02 02:00:00,13
dan,2019-01-02 10:00:00,9
dan,2019-01-02 10:01:00,3
ben,2019-01-02 14:22:00,66
ben,2019-01-02 14:37:00,37
我可以使用pandas生成所需的输出。
import pandas as
浏览 0提问于2019-08-22得票数 1
1回答
我有一段时间的观察，分辨率为一分钟，连续几天，但完整的日子。数据被组织成一个支点表，列上有天数，行上有时间。
2006-01-21 2006-01-24 ... 2006-02-08 2006-03-22
00:00:00 5.80 4.14 ... 7.03 4.27
00:01:00 4.71 5.22 ... 7.04 5.66
00:02:00 4.82 5.57 .
浏览 0提问于2018-09-25得票数 1
4回答
不包括星期六和星期天，我有一个月的数据，每1分钟记录一次。
v1 v2
2017-04-03 09:15:00 35.7 35.4
2017-04-03 09:16:00 28.7 28.5
... ... ...
2017-04-03 16:29:00 81.7 81.5
2017-04-03 16:30:00 82.7 82.6
... .
浏览 0提问于2018-10-21得票数 3
回答已采纳
2回答
大熊猫夜间重采样
、、
我有一个多变量时间序列数组。时间序列目前以10秒为间隔进行汇总： **Time**
2016-01-11 17:00:00
2016-01-11 17:00:10
2016-01-11 17:00:20 我想重新采样，这样我就可以得到每天5小时的时间范围(时间在数据框中如何显示并不重要，重要的是它被正确地聚合)。我正在按平均值重新采样。 **Time**
2016-01-11 10:00:00-15:00:00
2016-01-12 10:00:00-15:00:00
2016-01-13 10:00:00-15:00:00 如何做到这一点？
浏览 22提问于2019-05-23得票数 1
回答已采纳
我有一个熊猫数据框，看起来是这样的：
import pandas as pd
df= pd.DataFrame({'Date':['2016-12-31','2018-12-31','2017-06-30','2019-06-30',],'Business':['FRC','FICC','FRC','FICC']\
,'Amount':[10,100,20,200]})
df
Amoun
浏览 5提问于2018-01-17得票数 0
回答已采纳
我使用的数据集如下所示。它是一个视频字幕数据集，其字幕位于“Description”列下。 Video_ID Description
mv89psg6zh4 A bird is bathing in a sink.
mv89psg6zh4 A faucet is running while a bird stands.
mv89psg6zh4 A bird gets washed.
mv89psg6zh4 A parakeet is taking a shower in a sink.
mv89psg6zh4 The bird is taking a
浏览 11提问于2020-03-28得票数 3
回答已采纳
这是一个模拟的数据帧。 df_test = pd.DataFrame({
'ID': [8972685, 8972685, 8972685, 8972685, 8972685, 8972685, 9834561, 9834561, 9834561, 9834561, 9834561, 9834561],
'POST': ['texteghteh', 'tethrtxt', 'tetrhrtxt', 'terthtrxt', 'teetrwxt', 'twetrhex
浏览 19提问于2020-11-18得票数 0
回答已采纳
我需要一个非常精确的方式来加速音频。我正在为OpenDCP准备电影，这是一个制作数字影院包的开源工具，用于在影院放映。我的源文件通常是23.976fps和48.000 MOV音频的quicktime MOV文件。有时我的音频是一个单独的48.000 WAV的WAV。(FWIW，源的视频帧率实际上是24/100.1帧/秒，这是一个重复的小数。)
DCP标准基于24.000fps和48.000 The的节目，因此需要加速源的音频和视频。图像处理工作流程本质上涉及将MOV转换为TIF序列，即每帧帧，然后假定为24.000fps，因此我不必涉及QT Video Media Handler的内部。
但事
浏览 2提问于2013-03-06得票数 0
回答已采纳
1回答
熊猫数据中Hz的重采样
、、、、
我正在研究一项大熊猫的巨蟒项目。我收到这样的.csv文件作为输入：
Name Timestamp Data
A1 259 [1.1,1.0,0.1]
A1 260 [-0.1,1.2,0.3]
A1 261 [0.1,0.2,-0.3]
...
A1 14895 [1.4,0.3,1.8]
...
A2 278 [-1.1,1.2,0.4]
A2 353 [-0.1,1.2,0.3
浏览 0提问于2019-09-08得票数 1
1回答
我有一个带有第二个值的数据集。数据不太好，所以有时也会错过几天。我想得到这个数据集中每小时的平均值。时间也应该包含日期。所以我得到了这样的东西：
2015-01-01T00:00:00:00，“2015-01-01T01:00”，“2015-05-01T02:00:00”.以及它的平均变量。
我试过：
ds_mean = ds.groupby("time.hour").mean()
但是在这里，它给出了一个包含数据集的所有小时的平均值a。
然后我试着为每天创建一个数据集。但问题是时间只包含小时。
浏览 7提问于2022-07-01得票数 1
回答已采纳
1回答
填补时间序列中熊猫数据的空白
、、、、
我有一只在时间序列上有缺口的熊猫数据。
如下所示：
示例输入
--------------------------------------
Timestamp Close
2021-02-07 09:30:00 124.624
2021-02-07 09:31:00 124.617
2021-02-07 10:04:00 123.946
2021-02-07 16:00:00 123.300
2021-02-09 09:04:00 125.746
2021-02-09 09:05:00 125.646
2021-02-09 15:58:00
浏览 3提问于2021-09-16得票数 4
回答已采纳
我有一个带有datetime索引的数据帧：
2019-09-23 11:34:51 55f0da3f10c
2019-09-24 10:53:53 c4424f9f273
2019-10-02 19:52:21 eca42947ece
2019-10-05 16:59:26 5577300335e
我想计算一下，在数据集中的所有日子里，在晚上7点到早上7点之间有多少个“事件”我有过
grouper = Grouper(level="datetime", freq="1H")
days = df.groupby([grouper]).size().reset_in
浏览 5提问于2019-10-29得票数 0
1回答
我正在使用pandas和以下代码对我的数据帧df中的一些值进行重采样： >> df['hour'] = f.Date.dt.hour
>> df = df.set_index('Date').resample('60T').mean().reset_index() 我正确地获得了重新采样60分钟的每小时的平均值，如下所示： >> print(df)
date id mean hour
0 2017-02-09 14:00:00 12345.0
浏览 12提问于2019-09-08得票数 0
回答已采纳
请原谅任何明显的错误，因为我是Pandas和编码的新手。
我正在过滤原始数据帧，并使用选定的列创建一个副本。这是我的数据框的样子：
(数据帧过滤器例程)：
df_new=df.filter(['date','location','value','lat_final','lon_final'], axis=1)
df_new = df_new.set_index('date')
print (df_new.head())
新的数据帧：
location value lat_final lon
浏览 30提问于2020-02-05得票数 0
回答已采纳
1回答
为建立RNN准备时间序列数据
、、、、
我正在准备时间序列数据以建立一个RNN模型(LSTM)。这些数据是从安装在机械设备中的传感器中收集的。假设我有压缩机输入和输出温度的数据以及时间戳。
就像这样，记录了大约20个参数以及它们的时间戳的数据。问题是收集数据的时间戳是不同的。
那么，在理想情况下，如何将时间戳与所有参数和单个时间戳匹配起来，以创建单个数据帧呢？
浏览 1提问于2019-02-12得票数 1
回答已采纳
2回答
我从一个数据帧中提取了以下数据。https://i.imgur.com/rCLfV83.jpg 问题是，我如何绘制图形，可能是直方图类型，其中水平轴是16:00 17:00 18:00 ...24:00的小时数，条形图是每个小时的平均降雨量。 我只是还不了解足够多的熊猫，所以我需要一些帮助。以下是根据要求提供的示例数据。 Date Hours `Precip`
1996-07-30 21 1
1996-08-17 16 1
18 1
1996-08-30 16 1
浏览 8提问于2019-01-27得票数 1
考虑一个数据帧，如下所示：
time
18:00:00.051563 2575.50
18:00:01.023444 2575.50
18:00:02.000000 2575.50
18:00:03.000000 2575.50
18:00:04.000000 2575.50
18:00:05.000000 2575.50
18:00:06.000000 2575.50
18:00:07.000000 2575.50
我想重新采样为2秒的间隔，开始间隔为18:00:00.000000。但是，由于我的系列中的第一个数据点是18:00:00.0515
浏览 0提问于2017-11-01得票数 1
我正在使用包含(日期/时间)字符串的熊猫系列："2020-04-01 09:29:21"-"2020-04-01 09:53:17"-"2020-04-13 09:55:55"-.....)。
格式为："yyyy-mm-dd H:M:s“。
我只对小时和分钟部分感兴趣，我正在寻找一种方法，将数据划分为30分钟的存储桶，并计算每个存储桶中的值。
我的最终结果的一个示例：
Range count
9:00-9:30 7
9:30-10:00 25
10:00-10:30
浏览 13提问于2020-05-05得票数 0
回答已采纳
我有一个关于熊猫和时间序列的问题。我从API中获取json的数据，这些数据包括不同位置的流量计数，每5分钟测量一次。简化的数据如下所示：
[
{
"name": "123", // location id
"date": "2020-01-01T00:45:00Z", // date and time
"intensity": 7 // number of vehicles counted
},
...
]
有一个月的数据，用熊猫阅读，并连接成一个大的数据：
# in
浏览 1提问于2022-01-26得票数 -1
1回答
我正在尝试对pandas中的数据帧进行上采样(从50 Hz到2500 Hz)。我必须进行上采样，以匹配在此更高频率上采样的传感器。我在x，y，z上有来自铣床的点。当我绘制原始数据时，正如我所期望的那样，线条看起来很直。 ? ? 我像这样插入数据帧： df.drop_duplicates(subset='time', inplace=True)
df.set_index('time', inplace=True)
df.index = pd.DatetimeIndex(df.index)
upsampled = new_df.resample('
浏览 44提问于2021-05-09得票数 2
回答已采纳
1回答
AMR -如何上采样
、、、
如何对AMR音频数据进行上采样。amr文件由6个字节的头文件- "!#AMR".getBytes()组成，之后有32个字节的帧，每个帧有1个字节的头和31个字节的音频。我该怎么对它进行上样呢？我读过关于线性插值的文章，但我不确定如何在这里应用它。我应该在不同的帧之间进行插值，还是在帧中的字节之间进行插值，或者其他什么？我们将非常感谢您提供的任何帮助:)
浏览 2提问于2011-03-06得票数 1
回答已采纳
我有一个数据帧net，其中包含两个位置A和B之间的距离d。
net =
A B d
0 5 3 3.5
1 2 0 2.3
2 3 2 1.2
3 4 5 2.2
4 0 1 3.2
5 0 3 4.5
然后我有一个对称矩阵M，它包含两个对之间所有可能的距离，所以：
M =
0 1 2 3 4 5
0 0 3.2 2.3 4.5 1.7 5.2
1 3.2 0 2.1 0.7 3.9 3.8
2
浏览 1提问于2016-12-08得票数 1
我正在处理表示向量(幅度和方向)的时序数据。我想要我的数据，并使用describe函数作为how参数。
但是，describe方法使用标准平均值，我想使用一个特殊的函数来平均方向。因此，我在pandas.Series.describe()实现的基础上实现了我自己的describe方法
def directionAverage(x):
result = np.arctan2(np.mean(np.sin(x)), np.mean(np.cos(x)))
if result < 0:
result += 2*np.pi
return result
d
浏览 1提问于2013-02-13得票数 5
回答已采纳
1回答
我有以下数据帧： datetime temp
0 2015-01-01 00:00:00 11.22
1 2015-01-01 01:00:00 11.32
2 2015-01-01 02:00:00 11.30
3 2015-01-01 03:00:00 11.25
4 2015-01-01 04:00:00 11.32
... ... ...
31339 2018-07-29 19:00:00 17.60
31340 2018-07-29 20:00:00 17.49
31341
浏览 56提问于2021-02-03得票数 1
回答已采纳
1回答
我正在用以下方法计算我的数据的年度平均值：
sst_ANN = ds['sst'].groupby(ds['time.year']).mean(dim='time')
这的确很优雅。现在我也想做同样的事情，除了计算次年六月到五月的年平均数，而不是历年。会有类似的一条线来做这件事吗？
浏览 0提问于2018-03-19得票数 0
回答已采纳
我有一个滴答数据的数据帧，我已经将其重新采样为分钟数据。做一个香草
df.resample('1Min').ohlc().fillna(method='ffill')
超级简单。
我现在需要每天一次迭代重新采样的数据帧，但我找不到最好的方法。
我试着取我的1分钟重采样的数据帧，然后对"1D“重采样，然后将其转换为一个列表，以迭代和过滤，但这给了我一个列表：
Timestamp('2011-09-13 00:00:00', freq='D')
对象，它不会让我在此基础上切分数据帧。
这看起来很容易，但我就是找不到答案。谢谢-
浏览 7提问于2019-07-11得票数 1
1回答
我有一个熊猫数据中心，df_phys，如下例所示。我想把所有信号(在本例中是EngineSpeed和WheelBasedVehicleSpeed)重采样到1秒频率。我可以通过一个信号循环这样做，如下所示：
for signal, group in df_phys.groupby("Signal")["Physical Value"]:
df_signal = group.to_frame()
df_signal = df_signal.resample("1S").pad().dropna()
但是
浏览 3提问于2020-12-15得票数 1
我想在Pandas中查看每个客户端在不同时间段的TimeSeries数据。
import pandas as pd
import numpy as np
import random
clients = np.random.randint(1, 11, size=100)
dates = pd.date_range('20130101',periods=365)
OrderDates = random.sample(list(dates),100)
Values = np.random.randint(10, 250, size=100)
df = pd.DataFrame(
浏览 0提问于2013-12-28得票数 10
2回答
我有一个时间序列，我重新采样到这个数据帧df中，
我的数据是从6月6日到6月28日。它希望将数据从6月1日延长到6月30日。count列将只在延长的时间内有0值，而我的实际值从第6到28。
Out[123]:
count
Timestamp
2009-06-07 02:00:00 1
2009-06-07 03:00:00 0
2009-06-07 04:00:00 0
2009-06-07 05:00:00 0
2009-06-07 06
浏览 22提问于2017-08-28得票数 7
回答已采纳
我在Python3.5中有一个DataFrame，例如：
In [1]:tway5new.info()
<class 'pandas.core.frame.DataFrame'>
Index: 44 entries, to VOI
Columns: 43802 entries, 2011-01-01 00:00:00 to 2015-12-31 23:00:00
dtypes: int64(43802)
memory usage: 14.7+ MB
此Dataframe的列名为：
In [2]:tway5new.columns
Out[2]:
Datet
浏览 1提问于2016-05-25得票数 1
1回答
操作列和行
、、、、
def Resample_10mins(df, ZTD_station):
# ensure the time column is in the right format
df['Date'] = pd.to_datetime(df.Date)
# round to the nearest 10 minute interval
# if you want to floor / ceil the time, you may use
#`dt.floor` or `dt.ceil` instead of `dt.round`
df['rounded_to_ne
浏览 16提问于2021-09-10得票数 0
回答已采纳
我正在尝试对我的时间序列进行重采样，以在多次迭代中获得一致的数据帧形状。
有时，当我拉出我的数据时，没有结果，所以我尝试重新采样我的数据帧，以包括每次发生这种情况时的填充，但是我希望强制重新采样运行到某个特定日期。
我目前的工作包括
df.set_index(df.date, inplace = True)
resampled = df.resample('D').sum()
但我不确定如何强制重采样器继续到最新日期
我也尝试过：
df.index = pd.period_range(min(older_df.date), max(older_df.date))
但随后会出现长
浏览 1提问于2020-09-25得票数 2
2回答
我正在处理时间序列数据，在那里我有两栏日期和数量.日期是白天的。我想把一个月的数量加起来，并把它转换成一个日期。
日期是我的索引列
示例
quantity
date
2018-01-03 30
2018-01-05 45
2018-01-19 30
2018-02-09 10
2018-02-19 20
产出：
quantity
date
2018-01-01 105
2018-02-01 30
提前谢谢！！
浏览 1提问于2020-12-31得票数 1
回答已采纳
3回答
我刚刚开始使用Pandas，并且正在尝试合并:按日期分组数据，并计算每个组中的唯一值。
以下是我的数据：
User, Type
Datetime
2014-04-15 11:00:00, A, New
2014-04-15 12:00:00, B, Returning
2014-04-15 13:00:00, C, New
2014-04-20 14:00:00, D, New
2014-04-20 15:00:00, B, Returning
2014-04-20 16:00:00, B, Returning
2014-04-20 17:00:00, D,
浏览 0提问于2014-04-22得票数 7
回答已采纳
2回答
我有一个熊猫DataFrame，每天有多个测量值(例如，每小时测量，但不一定是这样)，但我只想保留某一栏的时间是每天的最小值。
我在数据框架中的某一天看起来有点像这样
DATE Value Distance
17 1979-1-2T00:00:00.0 15.5669870447436 34.87
18 1979-1-2T01:00:00.0 81.6306803714536 31.342
19 1979-1-2T02:00:00.0 83.1854759740486 33.264
20 1979-1-
浏览 2提问于2022-05-14得票数 0
回答已采纳
这里是一个带有多索引列的Pandasv0.14.0数据帧。
> import pandas as pd
> import numpy as np
>
> rng = pd.date_range('1/1/2001', periods=6, freq='H')
> mi = [(dt, i) for dt in rng for i in range(2)]
> f = pd.DataFrame(np.random.randn(len(mi), 2),
> index = pd.MultiIndex.from_tuples
浏览 1提问于2014-06-27得票数 1
回答已采纳
1回答
我有一个数据框架如下所示，
Name = ['A','A','A','A','A','A','B','B','B','B','B','B','B']
Id = ['10','10','10','10','10','10','20','20','20'
浏览 4提问于2022-05-09得票数 1
回答已采纳
有人能说出采样率和帧大小有什么关系吗？
我解码了一个spx文件到wav，采样率为10 kHz，为16位。解码过程中应用的帧大小为640。解码后的文件可以在vlc中播放。但我想在Flex中播放该文件。
Flex仅支持44.1 kHz、22.5 kHz和11.2 kHz的速率。我想在解码过程中提高采样率。我知道如何在代码中做到这一点，但我想框架大小也应该增加。我不知道这两者之间的依赖关系。有人能帮上忙吗？
浏览 8提问于2011-02-01得票数 3
回答已采纳
2回答
对于我来说，在图像处理中重采样和插值的区别是什么，我并不清楚。如果我有一个geotiff，并且我想提高它的分辨率，我是否应该使用重采样方法，例如最近邻，对吗？例如，我发现gdalwarp函数可以做到这一点。
插值方法，也就是克里格法呢？如果我的数据不是均匀分布的是不是更好？如果我想要考虑数字高程模型来校正我的图像呢？非常感谢您的帮助，并对您的困惑表示歉意。
劳拉
浏览 6提问于2013-07-25得票数 4
这与我之前提出的问题类似，但完全不同，因为当数据分组时，解决方案不起作用：
给定一些数据：
import pandas as pd
import numpy as np
import datetime
data = {'group':['a', 'a', 'a','b','a', 'b'],
'value': [1,2,3,4,3,5], 'names': ['joe', 'bob', 'gr
浏览 9提问于2017-06-28得票数 0
回答已采纳
我在Pandas中有一个很大的数据集，其中的条目都标有时间戳。我正在寻找一个解决方案，如何获得一个定义的长度范围(如1分钟)与最高的词条出现。
一种解决方案可能是将数据重新采样到更高的时间范围(例如一分钟)，并比较具有最高数值的部分。但是，它将只查找与给定时间范围的开始和结束时间相对应的范围。
我宁愿找到一个解决方案来找到任何1分钟的范围，无论它们实际上是从哪里开始的。
在下面的示例中，我将寻找1分钟的“窗口”，其中条目的出现频率最高，从范围内的第一个信号开始，到范围内的最后一个信号结束：
8:50:00
8:50:01
8:50:03
8:55:00
8:59:10
9:00:01
9:00
浏览 6提问于2017-08-28得票数 1
回答已采纳
2回答
我使用RTAudio从麦克风获取信号，并将此信号用作另一个编码器的输入。似乎UWP总是返回固定的音频采样率，这与我的编码器想要的采样率不同。
WASAPICapture返回44100 Hz信号，2 channel(输入)。我想把这个输入转换成输出信号，1 channel ( 1600 Hz )。如何正确地进行重采样？
我从WASAPICapture的回调中收到的数据。这个回调调用每个64 ms，每次它都会给我提供480示例。我的编码器需要每个20 ms的320样本。我应该怎么做才能得到这个(重帧)？
你能推荐我任何一个图书馆来做这件事吗？或者我应该自己写代码？
浏览 2提问于2016-07-18得票数 2
我需要用PyQtGraph绘制一个大时间序列(百万点)。按实际情况绘制它是不可能的，当打开优化选项(使用setDownsampling进行下采样，使用setClipToView进行裁剪)时，当缩放时(只有当缩放由于裁剪而变得快速时)，它仍然几乎无法使用。
不过我有个主意。因为数据是静态的，所以我可以预降采样。然后，我可以使用放大时缓存的下采样数据和放大时的原始数据。
我怎样才能做到这一点？
浏览 8提问于2015-05-28得票数 4
回答已采纳
我有一个形状为22341x3的数据帧：
tID DateTime
0 1 2020-04-04 10:15:40
1 2 2020-04-04 10:15:56
2 2 2020-04-04 11:07:11
3 3 2020-04-04 11:08:14
4 3 2020-04-04 11:18:46
5 4 2020-04-04 11:23:56
6 5 2020-04-04 11:24:14
7 6 2020-04-04 11:29:12
8 7 2020-04-04
浏览 19提问于2020-05-16得票数 1
回答已采纳
我有一个从数据库记录中读取的数据帧，如下所示：
date added total
2020-09-14 5 5
2020-09-15 4 9
2020-09-16 2 11
我需要能够通过不同的时间段进行resample，这就是我正在使用的：
df = pd.DataFrame.from_records(raw_data, index='date')
df.index = pd.to_datetime(df.index)
# let's say I want y
浏览 0提问于2020-09-17得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
