如何重新采样 DataFrame 以使其与另一个 DataFrame 正确对齐?
Posted
技术标签:
【中文标题】如何重新采样 DataFrame 以使其与另一个 DataFrame 正确对齐?【英文标题】:How can I resample a DataFrame so that it is properly aligned with another DataFrame? 【发布时间】:2017-02-07 00:28:57 【问题描述】:我有几个不同时间间隔的 Pandas DataFrame。一个是日常级别:
DatetimeIndex(['2007-12-01', '2007-12-02', '2007-12-03', '2007-12-04',
'2007-12-05', '2007-12-06', '2007-12-07', '2007-12-08',
'2007-12-09', '2007-12-10',
...
'2016-08-22', '2016-08-23', '2016-08-24', '2016-08-25',
'2016-08-26', '2016-08-27', '2016-08-28', '2016-08-29',
'2016-08-30', '2016-08-31'],
dtype='datetime64[ns]', length=3197, freq=None)
其他人处于某种非日常水平(他们将总是不如日常坚定)。例如,这是每周一次:
DatetimeIndex(['2007-01-01', '2007-01-08', '2007-01-15', '2007-01-22',
'2007-01-29', '2007-02-05', '2007-02-12', '2007-02-19',
'2007-02-26', '2007-03-05',
...
'2010-03-08', '2010-03-15', '2010-03-22', '2010-03-29',
'2010-04-05', '2010-04-12', '2010-04-19', '2010-04-26',
'2010-05-03', 'NaT'],
dtype='datetime64[ns]', name='week', length=176, freq=None)
这是每月一次:
DatetimeIndex(['2013-04-01', '2013-05-01', '2013-06-01', '2013-07-01',
'2013-08-01', '2013-09-01', '2013-10-01', '2013-11-01',
'2013-12-01', '2014-01-01', '2014-02-01', '2014-03-01',
'2014-04-01', '2014-05-01', '2014-06-01', '2014-07-01',
'2014-08-01', '2014-09-01', '2014-10-01', '2014-11-01',
'2014-12-01', '2015-01-01', '2015-02-01', '2015-03-01',
'2015-04-01', '2015-05-01', '2015-06-01', '2015-07-01',
'2015-08-01', '2015-09-01', '2015-10-01', '2015-11-01',
'2015-12-01', '2016-01-01', '2016-02-01', '2016-03-01',
'2016-04-01', '2016-05-01', '2016-06-01', '2016-07-01',
'2016-08-01'],
dtype='datetime64[ns]', name='month', freq=None)
这只是一个不规则间隔的古怪球:
DatetimeIndex(['2014-02-14', '2014-05-08', '2014-09-19', '2014-09-24',
'2015-01-21', '2016-05-26', '2016-06-02', '2016-06-04'],
dtype='datetime64[ns]', name='date', freq=None)
我需要做的是将每日数据重新采样(总和)到其他人指定的间隔。因此,如果 DatetimeIndex 是每月一次,我需要将每日数据重新采样为每月一次。如果是每周,则应每周重新采样。如果不规则,则需要匹配。我需要这个,因为我正在根据这些数据构建统计模型,并且我需要基本事实来与观察到的值保持一致。
如何让 Pandas 对 DataFrame df1
重新采样,以匹配另一个任意 DataFrame df2
的 DatetimeIndex?我已经四处寻找,但我无法弄清楚这一点。看起来这将是一个非常常见的 Pandas 任务,所以我一定是遗漏了一些东西。谢谢!
【问题讨论】:
【参考方案1】:考虑使用熊猫DataFrame.resample():
# EXAMPLE DATA OF SEQUENTIAL DATES AND RANDOM NUMBERS
index = pd.date_range('12/01/2007', periods=3197, freq='D', dtype='datetime64[ns]')
series = pd.Series(np.random.randint(0,100, 3197), index=index)
df = pd.DataFrame('num':series)
# num
# 2007-12-01 73
# 2007-12-02 17
# 2007-12-03 63
# 2007-12-04 72
# 2007-12-05 4
# 2007-12-06 91
# 2007-12-07 20
# 2007-12-08 99
# 2007-12-09 97
# 2007-12-10 33
wdf = df.resample('W-SAT').sum() # SATURDAY WEEK START
# num
# 2007-12-01 73
# 2007-12-08 366
# 2007-12-15 354
# 2007-12-22 302
# 2007-12-29 310
# 2008-01-05 323
# 2008-01-12 424
mdf = df.resample('MS').sum() # MONTH START
# num
# 2007-12-01 1568
# 2008-01-01 1465
# 2008-02-01 1317
# 2008-03-01 1473
# 2008-04-01 1762
# 2008-05-01 1698
# 2008-06-01 1345
对于不规则间隔,使用DataFrame.apply()
中的自定义函数创建一个enddate 列,该列将是当前行日期连续排列的间隔的结束截止日期(即, 2015-01-01 的结束日期是 2015-01-21 在 Datetimeindex 系列中),使用系列过滤器计算。然后,在新的 enddate 列上运行 groupby()
以进行总和聚合:
irrdt = pd.DatetimeIndex(['2014-02-14', '2014-05-08', '2014-09-19', '2014-09-24',
'2015-01-21', '2016-05-26', '2016-06-02', '2016-06-04'],
dtype='datetime64[ns]', name='date', freq=None)
def findrng(row):
ed = str(irrdt[irrdt > row['Date']].min())[0:10]
row['enddt'] = ed if ed !='NaT' else str(irrdt.max())[0:10]
return(row)
df['Date'] = df.index
df = df.apply(findrng, axis=1).groupby(['enddt']).sum()
# num
# enddt
# 2014-02-14 112143
# 2014-05-08 3704
# 2014-09-19 5958
# 2014-09-24 365
# 2015-01-21 5730
# 2016-05-26 24126
# 2016-06-02 305
# 2016-06-04 4142
【讨论】:
非常好!我经常使用resample()
,但我不知道如何让它处理不规则的日期。你的第二个例子很棒,几乎正是我需要的。谢谢!
太棒了!很高兴我能帮忙。以上是关于如何重新采样 DataFrame 以使其与另一个 DataFrame 正确对齐?的主要内容,如果未能解决你的问题,请参考以下文章
列表中的最小交换元素使其与另一个列表相同并计算python中的交换
如何安装 Finder Sync Extension 以使其与 Finder 持久集成?
如何更新 cupy/CUDA 以使其再次工作并修复我的 conda 环境?
ruby 修复了SublimeRepl以使其与jruby一起使用
设置啥 CursorAdapter(Context context, Cursor c, int flags) 以使其与 CursorLoader 一起工作?