如何在不更改特定列的情况下对数据框中的数据进行重新采样？

Posted 2023-03-11

【中文标题】如何在不更改特定列的情况下对数据框中的数据进行重新采样？

【英文标题】：How to resample data in data frame without changing one specific column?

【发布时间】：2019-11-18 14:59:51

【问题描述】：

例如，我有几行想要重新采样到 1 秒的时间范围，但我需要保留列 ID。

time            id   acc   step
00:00:01.2      1    1.2    10
00:00:01.6      1    1.4    20
00:00:01.9      1    1.1    10

我当前的代码只是根据每一列重新采样，我需要帮助来保留“id”列。谢谢！

data = data.resample('1S').agg('acc': np.mean, 'step': np.sum).dropna()

【参考方案1】：

我相信您也需要为 id 列添加聚合 - 例如Resampler.first:

data = data.resample('1S').agg('acc': np.mean, 'step': np.sum, 'id':'first').dropna()

但如果需要通过id 重新采样进行分组：

data = data.groupby('id').resample('1S').agg('acc': np.mean, 'step': np.sum).dropna()

或者Grouper的解决方案：

data=data.groupby(['id',pd.Grouper(freq='1s')]).agg('acc': np.mean, 'step': np.sum).dropna()

【讨论】：

完美！还有一个问题是：如何将“id”四舍五入为非小数，例如新的“id”列将显示“1.0”而不是“1”。谢谢！

@npm - 你可以试试 - data['step'] = data['step'].astype(int)