在一个数据帧中对多个时间序列进行上采样
在csv中获得了像这样的数据
id,date,price
A,2020-05-04 15:00:00,1.2
B,2020-05-04 15:05:00,1.3
A,2020-05-04 16:07:00,1.4
B,2020-05-04 16:07:00,1.5
因此在同一DataFrame中，A有一个时序，B有一个时序。我创建了数据框，然后将索引设置为df.set_index（[“ id”，“ date”]）`
现在我想升采样到分钟，以便结果对应于如下所示的csv：
id,date,price
A,2020-05-04 15:00:00,1.2
A,2020-05-04 15:01:00,1.2
...
A,2020-05-04 16:06:00,1.2
A,2020-05-04 16:07:00,1.4
B,2020-05-04 15:05:00,1.3
B,2020-05-04 15:06:00,1.3
...
B,2020-05-04 16:06:00,1.3
B,2020-05-04 16:07:00,1.5
但是没有得到df.resample（“ 60S”，level =“ date”）。pad（）发生的事情，当我省略级别并放置级别时，得到的错误是我只能将其用于“ Datetimeindex但它是Multiindex” “不支持从level =或on =选择上采样，使用.set_index将索引显式设置为类似datetime的错误” ...
我觉得必须有一个简单的解决方案...？在一个数据集中有一个系列的多个实例很常见吗？可以肯定的是，我可以拆分数据帧并在之后合并...还有一些使用石斑鱼的帖子，但对我来说听起来太复杂了，听起来好像级别参数一定是解决方案...
问题来源：stackoverflow
展开
收起
1
条回答
写回答
写回答
-
创建
DatetimeIndex并使用DataFrame.groupby与DataFrameGroupBy.resample链接：df = df.set_index("date").groupby('id').resample("60S").pad() print (df) id price id date A 2020-05-04 15:00:00 A 1.2 2020-05-04 15:01:00 A 1.2 2020-05-04 15:02:00 A 1.2 2020-05-04 15:03:00 A 1.2 2020-05-04 15:04:00 A 1.2 .. ... B 2020-05-04 16:03:00 B 1.3 2020-05-04 16:04:00 B 1.3 2020-05-04 16:05:00 B 1.3 2020-05-04 16:06:00 B 1.3 2020-05-04 16:07:00 B 1.5 [131 rows x 2 columns]仅用于处理“价格”列，请使用：
df1 = df.set_index("date").groupby('id')['price'].resample("60S").pad().reset_index() print (df1) id date price 0 A 2020-05-04 15:00:00 1.2 1 A 2020-05-04 15:01:00 1.2 2 A 2020-05-04 15:02:00 1.2 3 A 2020-05-04 15:03:00 1.2 4 A 2020-05-04 15:04:00 1.2 .. .. ... ... 126 B 2020-05-04 16:03:00 1.3 127 B 2020-05-04 16:04:00 1.3 128 B 2020-05-04 16:05:00 1.3 129 B 2020-05-04 16:06:00 1.3 130 B 2020-05-04 16:07:00 1.5 [131 rows x 3 columns]回答来源：stackoverflow
2020-03-21 12:26:43赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
推荐问答
