如何按定义的时间间隔对 pandas 数据帧进行分组？

Question

我有一个这样的dataFrame，我想每60分钟分组一次，并在06:30开始分组。

                           data
index
2017-02-14 06:29:57    11198648
2017-02-14 06:30:01    11198650
2017-02-14 06:37:22    11198706
2017-02-14 23:11:13    11207728
2017-02-14 23:21:43    11207774
2017-02-14 23:22:36    11207776

我正在使用：

df.groupby(pd.TimeGrouper(freq='60Min'))

我得到了这个分组：

                      data
index       
2017-02-14 06:00:00     x1
2017-02-14 07:00:00     x2
2017-02-14 08:00:00     x3
2017-02-14 09:00:00     x4
2017-02-14 10:00:00     x5

但我正在寻找这个结果：

                      data
index       
2017-02-14 06:30:00     x1
2017-02-14 07:30:00     x2
2017-02-14 08:30:00     x3
2017-02-14 09:30:00     x4
2017-02-14 10:30:00     x5

如何告诉函数在 6:30 开始以一小时为间隔进行分组？

如果无法通过 .groupby(pd.TimeGrouper(freq='60Min')) 完成，最好的方法是什么？

提前致以敬意和感谢

Answer 1

将

base=30

与 label='right'

 中的 

pd.Grouper 参数结合使用。

指定

label='right'

会使时间段从 6:30（较高侧）而不是 5:30 开始分组。 此外，

base

默认设置为 0 ，因此需要将其偏移 30 以考虑日期的前向传播。

假设你想聚合每个子组的第一个元素，那么：

df.groupby(pd.Grouper(freq='60Min', base=30, label='right')).first()
# same thing using resample - df.resample('60Min', base=30, label='right').first()

产量：

                           data
index                          
2017-02-14 06:30:00  11198648.0
2017-02-14 07:30:00  11198650.0
2017-02-14 08:30:00         NaN
2017-02-14 09:30:00         NaN
2017-02-14 10:30:00         NaN
2017-02-14 11:30:00         NaN
2017-02-14 12:30:00         NaN
2017-02-14 13:30:00         NaN
2017-02-14 14:30:00         NaN
2017-02-14 15:30:00         NaN
2017-02-14 16:30:00         NaN
2017-02-14 17:30:00         NaN
2017-02-14 18:30:00         NaN
2017-02-14 19:30:00         NaN
2017-02-14 20:30:00         NaN
2017-02-14 21:30:00         NaN
2017-02-14 22:30:00         NaN
2017-02-14 23:30:00  11207728.0

Answer 2

使用

DataFrame.resample

，这是一种专门用于时间序列重采样的方法，这样我们就不需要DataFrame.GroupBy

和

pd.Grouper

:

df.resample('60min', base=30, label='right').first()

输出

                           data
index                          
2017-02-14 06:30:00  11198648.0
2017-02-14 07:30:00  11198650.0
2017-02-14 08:30:00         NaN
2017-02-14 09:30:00         NaN
2017-02-14 10:30:00         NaN
2017-02-14 11:30:00         NaN
2017-02-14 12:30:00         NaN
2017-02-14 13:30:00         NaN
2017-02-14 14:30:00         NaN
2017-02-14 15:30:00         NaN
2017-02-14 16:30:00         NaN
2017-02-14 17:30:00         NaN
2017-02-14 18:30:00         NaN
2017-02-14 19:30:00         NaN
2017-02-14 20:30:00         NaN
2017-02-14 21:30:00         NaN
2017-02-14 22:30:00         NaN
2017-02-14 23:30:00  11207728.0

---

注意：当数据框中有多列时，您必须指定要聚合的列：

df.resample('60min', base=30, label='right')['data'].first()

Answer 3

继续讨论这个问题，由于 Pandas 已经升级了他们的

resample

、

grouping

 和 

rolling

 工作，当前的工作解决方案是这样的：

df.resample(rule='60min', offset='30m', label='right').first() 此外，如果您想以 30 分钟为间隔进行分组，从第一次观察的分钟开始，您可以使用

origin

 参数和 

label='left'

 在低侧边界上开始每个间隔：

df.resample(rule='30min', origin='start', label='left').first() 尽管如此，这使用了索引中第一个时间戳的 hh:mm:ss。因此，如果您想在 hh:mm 级别切断，那么也许可以预处理您的索引，以便删除秒数（至少在第一次观察时）。

在

Pandas.Resample 文档中阅读更多内容，他们有很好的工作示例。