Pandas分组或重采样数据帧，不包括列
Pandas是一个开源的数据分析和数据处理工具，提供了强大的数据结构和数据分析功能。在Pandas中，可以使用分组或重采样来对数据帧进行操作和处理。
分组是指根据某个或多个列的值将数据分成多个组，并对每个组进行相应的操作。常见的分组操作包括计算每个组的统计量（如平均值、总和、最大值、最小值等）、筛选特定组的数据、应用自定义函数等。通过分组操作，可以更好地理解和分析数据的特征和规律。
重采样是指根据时间序列数据的频率进行重新采样，将数据转换为不同的时间粒度。常见的重采样操作包括降采样和升采样。降采样是将高频率的数据转换为低频率的数据，例如将分钟级别的数据转换为小时级别的数据；升采样是将低频率的数据转换为高频率的数据，例如将小时级别的数据转换为分钟级别的数据。通过重采样操作，可以对时间序列数据进行平滑、聚合或插值，以满足不同的分析需求。
Pandas提供了一系列的函数和方法来实现分组和重采样操作。其中，常用的函数包括groupby()用于分组操作，resample()用于重采样操作。可以根据需要选择不同的参数和方法来完成具体的操作。
Pandas的分组和重采样功能在数据分析、金融领域、时间序列分析等场景中广泛应用。例如，在销售数据中，可以根据不同的产品类别进行分组，计算每个类别的销售额和销售量；在股票数据中，可以根据日期进行重采样，计算每周或每月的平均股价和交易量。
腾讯云提供了一系列与数据分析和处理相关的产品和服务，可以与Pandas结合使用，以实现更高效的数据处理和分析。其中，推荐的产品包括：
- 云服务器（CVM）：提供灵活可扩展的虚拟服务器，可用于运行Pandas和相关的数据处理程序。了解更多：云服务器产品介绍
- 云数据库MySQL：提供高性能、可扩展的关系型数据库服务，适用于存储和管理大量结构化数据。可以将Pandas处理后的数据存储到云数据库中进行后续分析。了解更多：云数据库MySQL产品介绍
- 数据万象（COS）：提供安全可靠的对象存储服务，适用于存储和管理大规模的非结构化数据。可以将Pandas处理后的数据存储到数据万象中，并通过API进行访问和处理。了解更多：数据万象产品介绍
- 弹性MapReduce（EMR）：提供大数据处理和分析的托管式集群服务，支持使用Hadoop、Spark等框架进行数据处理。可以将Pandas处理后的数据导入到EMR集群中进行更复杂的分析和计算。了解更多：弹性MapReduce产品介绍
通过结合Pandas和腾讯云的相关产品和服务，可以实现高效、可靠的数据处理和分析，满足不同场景下的需求。
相关·内容
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
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
我得到了许多事件的列表，这些事件的时间戳是有序的，所述事件的增长率需要绘制出来。 数据如下所示： timestamp nr name
2014-05-02 18:47:05.230071 14 kelly
2014-05-02 18:47:05.230071 15 notkelly
2014-05-02 18:47:05.280592 14 alsonotkelly
2014-05-03 18:47:05.332662 26 kelly 我是熊猫的新手，不是数据科学家，但我发现了这个：https://chrisalbon.com/pyth
浏览 14提问于2020-10-25得票数 0
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
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
我似乎无法打印以下行：summarydata["Name"].groupby(["Tag"]).size()
不会得到错误：
File "C:\Users\rspatel\untitled0.py", line 76, in <module>
print(summarydata["Name"].groupby(["Tag"]).size())
File "C:\Users\rspatel\Anaconda3\lib\site-packages\pandas\core\serie
浏览 0提问于2021-09-20得票数 2
我在Pandas DataFrame中有一个时间序列，我的一列包含模型预测的每日残差。我想找出每个月的平均值，并从每一天的模型预测中减去这个月的平均值。有什么.groupby和.resample的组合，我可以用它来编码吗？
monthly_res = sve_DOC['sRes'].resample('M', how='mean')
sve_DOC['RIMsDOC2'] = sve_DOC['RIMsDOC'] - monthly_res
我可以得到每月平均，但我不知道如何确保正确的每月平均使用在每一天的模型预测
浏览 8提问于2014-06-11得票数 1
回答已采纳
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
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
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
我正在使用python和pandas从数据帧中随机抽取样本。我的数据帧如下所示： 第一列包含时间，第二列是平均速率，第三列是1-sigma，第四列是与该行描述的事件相关的概率。 ? 我知道我可以使用下面的代码来绘制加权样本： random=df.sample(n=100000, replace=True, weights='P>0', axis=0) 但我不确定在这里使用概率是正确的“权重”。简而言之，我需要具有较低P>0的值的采样频率低于具有P>0的值的采样频率。 有人愿意在这方面分享意见/不同的选择吗？ 谢谢!
浏览 24提问于2020-04-24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
我创建了一个DatetimeIndex，并希望使用该索引对数据进行重新采样。当我这样做的时候，我得到了一个异常：
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/local/lib/python2.7/dist-packages/pandas-0.8.1-py2.7-linux-i686.egg/pandas/core/generic.py", line 188, in resample
limit=limit, b
浏览 0提问于2012-10-25得票数 0
1回答
我的意思是，Pandas的设计方式，所有的Pandas时间序列函数都是建立在这个假设之上的吗？
几周前，我正在试验，它似乎希望日期时间在索引中。
给出这样的数据：
df = pd.DataFrame({'date' : ['23/10/2017', '24/10/2017', '25/10/2017','26/10/2017','27/10/2017'], 'dax-close' : [13003.14, 13013.19, 12953.41,13133.28,13217.54]})
浏览 3提问于2017-10-30得票数 1
回答已采纳
我有一个很大的数据帧，我想根据target列值上的值对其进行采样，该值为binary : 0/1 我想提取在"target“列中有0和1的相同数量的行。我在考虑使用pandas采样函数，但不确定如何根据target列为数据帧声明我想要的两个类中相同数量的样本。 我在考虑使用这样的东西： df.sample(n=10000, weights='target', random_state=1) 不确定如何编辑它以在target列中获取具有5k 1's和5k 0's的10k记录。如有任何帮助，我们将不胜感激！
浏览 52提问于2019-05-18得票数 10
回答已采纳
2回答
当使用日期绘制带有pandas的时间序列时，该图完全错误，x轴上的日期也是如此。由于某些原因，数据是根据日期绘制的，甚至不在数据框中。 这用于绘制具有独立时钟和不同采样频率的多个传感器。我想将所有传感器绘制在同一张图中，以便进行比较。 我尝试按升序对dataframe进行排序，并将datetime列指定为dataframe索引，但没有效果。当根据时间戳绘制数据集时，每个传感器的曲线图看起来都很好。 摘自典型的CSV文件： Timestamp Date Clock DC3 HR DC4
13 18.02.2019 08:24:00 19,12 61 3
14 1
浏览 18提问于2019-06-13得票数 1
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
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
我有一个包含DatetimeIndex和多列的大数据框架。现在我想要有一个操作resample_3d，它可以像这样使用： index, array = df.resample_3d("1h", fill_value=0) ..。并对数据帧进行变换 index | A | B | C | D
10:00 | 1 | |
10:01 | 1 | |
12:00 | 1 | |
13:00 | 1 | | 转换为形状(3，2，4)的3d-NumPy数组。第一个维度是时间(可以在单独返回的index中查找)，第二个维度是“重采样组”中的行索引，第三个维度是特征。第
浏览 20提问于2020-06-18得票数 0
我有下面的DataFrame，一个每周的价格数据，一个周期指数。我们叫它df吧
timestamp open high low close volume
timestamp
2009-02-01/2009-02-07 733442.166309 830.540773 832.586910 828.788627 830.706009 48401.952790
2009-02-08/2009-02-14 733449.
浏览 3提问于2017-01-17得票数 1
回答已采纳
pandas支持多种频率的重采样。要在DolphinDB中实现类似pandas的重采样，我可以使用group-by子句，其中group-by列是对时间列的函数调用。例如，要使用月份频率进行重采样，我可以编写如下SQL：
select count(*) from t group by month(myDate)
当涉及到周频率时，事情就有点不同了，因为DolphinDB没有像week这样的函数。此外，我希望在一周中的特定日期重新采样，例如，星期二。
浏览 1提问于2019-10-31得票数 0
1回答
我在绘制国债收益率曲线。我在以下熊猫数据框架中得到了这些数据：
所以，基本上，我想用索引来绘制数据帧的3列，并且希望有3行。但是当我尝试这样做的时候，我得到的不是线，而是互相重叠的二维形状，比如：
我尝试使用Pandas中的df.plot()和常用的plt.plot()命令，但结果是相同的。如何从这些二维形状生成一维线条？
浏览 2提问于2021-08-23得票数 0
回答已采纳
我有220 GB的数据。我已经将其作为两列读取到spark dataframe中: JournalID和Text。现在，我的数据帧中缺少27行。
使用NGram类，我在dataframe中添加了另外两个列Unigram和Bigram，其中包含文本列中的单字和双字。然后，我使用一元和二元语法列上的pyspark的TF和IDF类计算TFIDF，并将其作为另一列添加到dataframe中。
现在我为dataframe中的每一行都有了journalID和TFIDF vector。我想将支持向量机应用于所有类型的核，以TFIDF向量作为特征，以JournalID作为标签。由于多类支持向量机不存在于pys
浏览 1提问于2018-12-17得票数 0
1回答
我有一个csv文件，日期作为列头，二进制(矩阵为1，0或np.nan )。
我想取每个指数的平均值，按月分组。我遇到了一个问题，因为我的列不是一个datetimeindex，我试图用pd.to_datetime()进行转换，但没有结果。
binary.csv：
2016-01-01 00:00:00,2016-01-02 00:00:00,2016-02-01 00:00:00,2016-02-02 00:00:00
1,,0,1
0,1,,1
我的守则：
import pandas as pd
import numpy as np
df = pd.read_csv('binary.
浏览 7提问于2016-12-06得票数 1
回答已采纳
2回答
重采样数据帧后，列名消失
、、、、
我有一个数据框，我需要每8小时计算一次臭氧的平均值。问题是，在我执行重采样之后的列(‘readable time')消失了，并且在重采样之后不能被引用。
import pandas as pd
data = pd.read_csv("o3_new.csv")
del data['latitude']
del data['longitude']
del data['altitude']
sensor_name = "o3"
data['readable time'] = pd.to_da
浏览 0提问于2020-06-25得票数 1
您好，我有一份在实验过程中测量的数据文档。文档的第一列是时间、之后的扭矩和位移读数。我的测量设备本应以200 to的频率采样，但在实验过程中，随着测量数据的增加，计算机速度变慢，导致采样率低于200 to。但是，我要求以精确的采样频率读取数据(0和200 to之间的任何值都可以接受)，如何修改/内插我的数据以使其与所需的频率相关？
浏览 12提问于2013-10-20得票数 0
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
我试图使用Pandas从一个相当大的数据集的一分钟数据中计算每小时的平均值。我的数据集存储为.csv，如下所示：
,timestamp_local,pm25
0,5/30/2022 16:59,2.2802
1,5/30/2022 16:58,2.7055
2,5/30/2022 16:57,1.6602
3,5/30/2022 16:56,1.5924
4,5/30/2022 16:55,2.2792
5,5/30/2022 16:54,2.2219
我尝试将.csv文件读取为Pandas DataFrame，然后将每小时的方法存储在一个新的DataFrame中，然后导出：
import p
浏览 11提问于2022-07-21得票数 0
回答已采纳
就总行数而言，我有一个巨大的dataframe df，实际上它里面有太多的行。我需要以一种合理的方式限制行数，同时仍然保持每部电影在数据帧中有相同数量的评论(目前差异很大) 数据帧的形状如下所示 第一列是userID，第二列是animeID (本质上是movieID)第三列是用户自己对该电影的评分。每一行都是一个电影评论。在animeID列中应该有大约300个movieIDs。 在movieID中，我需要做的是限制行的数量，以便重采样该数据帧，使其每个pandas (即pandas)只有5行左右，并且新的数据帧应该只有那些新采样的行。我完全纠结于如何在pandas中做到这一点，也许我可以在e
浏览 28提问于2019-03-11得票数 1
回答已采纳
我有金融交易数据(带有交易时间的时间戳，因此存在重复的时间，并且日期时间间隔不规则)。基本上，我在pandas数据帧中只有一个日期时间列和一个价格列，我已经计算了回报，但我想对数据进行线性插值，这样我就可以获得每秒、每分钟、每一天的价格估计值……
似乎最好的方法是将星期二的开始视为发生在星期一结束之后，所以本质上是通过几天之间的时间来调整。熊猫提供了一种简单的方法来做到这一点吗？我搜索了文档并找到了BDay，但这似乎不是我想要的。
编辑:以下是我的代码示例：
df = read_csv(filePath,usecols=[0,4]) #column 0 is date_time and col
浏览 0提问于2014-03-01得票数 1
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
谢谢你对我的问题感兴趣。
我希望绘制一份气温时间序列图，特别是在1981-1999年1月至8月之间。
以下是我的代码和尝试：
temperature = xr.open_dataarray('temperature.nc')
temp = temperature.sel(latitude=slice(34.5,30), longitude=slice(73,78.5))
templatlonmean = temp.mean(dim=['latitude','longitude'])-273.15
tempgraph1 = templatlo
浏览 2提问于2021-08-04得票数 1
我想使用Pandas，因为我正在处理皮秒精度的模拟数据。由于数据集不是等距离采样的，所以我想使用Pandas中提供的重采样功能。 据我所知，我需要使用time As datetime数据类型。numpy datetime64数据类型似乎支持皮秒分辨率，但Panda使用ns分辨率。 有没有办法克服这个问题？或者我可以使用非datetime类型的列(例如，普通浮点型)作为pandas.DataFrame.resample的索引
浏览 24提问于2019-09-26得票数 2
1回答
我知道这一定是一个非常基本的问题，但奇怪的是，我在网上读到的资源似乎不太清楚如何做以下工作：
如何在pandas中索引特定列
例如，在从csv导入数据之后，我有一个带有单个日期的熊猫Series对象，以及每个日期对应的美元金额。
现在，我想将日期按月分组(并将该月份的相应美元金额相加)。我计划创建一个数组，其中索引列是月份，下一列是该月份的美元金额之和。然后，我会拿出这个数组，并创建另一个熊猫系列对象。
我的问题是，我似乎不能调用当前熊猫系列对象中的特定列。
有什么帮助吗？
编辑后添加：
from pandas import Series
from matplotlib import pypl
浏览 2提问于2017-05-19得票数 0
回答已采纳
我有一个包含3m+ (有序)行和100列的数据集，我可以使用Pandas将其加载到我的笔记本中。我想追加大约900列，这些列是使用100个现有的列计算得出的。最终目标是训练几个机器学习模型(NN，随机森林)。
当我尝试使用Pandas添加列时，由于RAM不足(我有25 to )，我的机器崩溃了。因此，我尝试使用Dask，它允许我毫无问题地计算900列。然而，Dask数据帧不能用作随机森林(Sklearn)和Keras模型的输入，所以我猜在某些时候您必须将其转换回pandas数据帧。
在这一点上我被卡住了。速度是相当重要的，因为我需要经常改装模型。有没有人有好的建议？
浏览 18提问于2021-05-22得票数 1
我想使用excel电子表格作为源数据来创建数据帧。我需要将数据系列从用于存储excel电子表格中的数据的格式转换为dataframe变量最终产品。 我想知道用户是否有使用各种python方法来完成以下操作的经验： -data系列转换:我有一个系列，它每月包含一个数据值，但希望使用索引(或包含日期值的列)将值表扩展为每天包含一个值。因此，如果table1具有基于月份的索引，而table2具有每日索引，如何将table1值转换为基于table2的索引。 -dataframe雕刻:我正在处理的数据在长度上并不相似，一些数据集比其他数据集更长。在多列数据帧的上下文中，通过哪些方法可以找到列中最短的序
浏览 12提问于2019-02-19得票数 0
1回答
我正在寻找一种大规模(数千万或数亿条数据记录)的resample time series数据的解决方案。Pandas resample()运行良好，直到达到大约10MIO数据记录，之后它实际上停止了工作，因为硬件没有足够的内存。我在大数据集上使用Pandas时遇到过几次这个问题。但是如果我只是在巨大的数据集上使用for循环，我就可以读取数据并使用它，即使它要慢得多。有没有人知道没有pandas的resample time series data的好解决方案
数据的来源是MySQL服务器，记录包含OHLC数据和时间戳。时间序列的频率是1分钟，重采样频率是5min，30min，1h，6h，1d，1
浏览 19提问于2018-02-04得票数 0
1回答
我有一些以25 at (每秒25个样本)采样的时间序列数据 time_in_secconds data_vals
199.655 0.549038
199.696 0.83472
199.736 0.478569
199.776 0.114157
199.817 0.217603
199.858 0.701952
199.898 0.23409
199.938 -0.237923
199.979 0.337316
200.019 1.17735
200.059 1.42538 我想降到每秒10个样本。我一直在考虑用熊猫做这
浏览 25提问于2021-10-12得票数 1
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
我有以下数据：
Date Embedded_text Partei sentiment_prediction Sentiment
Date
2021-03-26 2021-03-26 AfD wirkt.\n\nSchluss mit dem #Gendergaga\nMDR... AfD 2 Neutral
2021-03-27 2021-03-27 Im Herbst wird gewählt.\nSchluss
浏览 3提问于2022-02-16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
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
1回答
我正在尝试重采样一个非常简单的数据格式，但只有以下例外情况才会失败：
TypeError:只对DatetimeIndex、TimedeltaIndex或PeriodIndex有效，但有一个“索引”实例
我读了熊猫API文档，看了几十个例子，我不知道自己做错了什么。
# %%
import pandas as pd
print(f"pandas version: {pd.__version__}\n\n")
data = pd.DataFrame({"created": ['2019-03-07T11:01:07.361+0000',
浏览 3提问于2019-09-20得票数 1
回答已采纳
1回答
我不确定这是否是一个bug，或者它是否是设计出来的--也许我遗漏了什么，ohlc聚合器不应该使用dataframes。也许这种行为是故意的，因为除了索引列和价格列之外的数据可能会产生奇怪的结果？其他聚合器(平均值、stdev等)处理数据文件。在任何情况下，我都试图从这些数据中获取OHLC，而转换为timeseries似乎也不起作用。
下面是一个例子：
import pandas as pd
rng = pd.date_range('1/1/2012', periods=1000, freq='S')
ts = pd.Series(randint(0, 500,
浏览 4提问于2012-11-19得票数 1
回答已采纳
1回答
我的数据集是巨大的。我正在使用Azure ML notebooks，并使用azureml.core读取日期集并转换为azureml.data.tabular_dataset.TabularDataset。无论如何，我会过滤tabularDataset中的数据，而不是转换为pandas数据帧。我使用下面的代码来读取数据。由于数据量巨大，pandas数据帧正在耗尽内存。我不需要将完整的数据加载到程序中。仅需要子集。有没有办法在转换为pandas数据框之前过滤记录 def read_Dataset(dataset):
ws = Workspace.from_config()
ds
浏览 69提问于2021-01-06得票数 1
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
我需要重新采样由两个级别组成的潘达斯MultiIndex。内部级别是日期时间索引。需要重放。
import numpy as np
import pandas as pd
rng = pd.date_range('2019-01-01', '2019-04-27', freq='B', name='date')
df = pd.DataFrame(np.random.randint(0, 100, (len(rng), 2)), index=rng, columns=['sec1', 'sec2'
浏览 0提问于2019-09-11得票数 2
回答已采纳
4回答
如果另一列中的单元格与我的条件匹配，我希望对数据帧进行重采样
df = pd.DataFrame({
'timestamp': [
'2013-03-01 08:01:00', '2013-03-01 08:02:00',
'2013-03-01 08:03:00', '2013-03-01 08:04:00',
'2013-03-01 08:05:00', '2013-03-01 08:06:00
浏览 1提问于2017-01-13得票数 13
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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
