Skip to main content
 首页 » 编程设计

python之在 Pandas 中重采样时的时间增量平均值

2025年02月15日8itcoder

给定这个数据框:

df = pd.DataFrame(pd.to_timedelta(['00:00:02','00:00:05','00:00:10','00:00:15','00:00:05'])) 
df.index = pd.to_datetime(['20/02/2017 12:42:10','20/02/2017 12:43:10','20/02/2017 12:45:10','20/02/2017 12:45:10','20/02/2017 12:45:10']) 
df.columns = ['time'] 
 
df 
Out[232]:  
                        time 
2017-02-20 12:42:10  00:00:02 
2017-02-20 12:43:10  00:00:05 
2017-02-20 12:45:10  00:00:10 
2017-02-20 12:45:10  00:00:15 
2017-02-20 12:45:10  00:00:05 

我尝试重新采样,获取每分钟的平均时间。 P.e 它在对他们进行总结时起作用:

df.resample('min').sum() 
Out[245]:  
                        time 
2017-02-20 12:42:00 00:00:02 
2017-02-20 12:43:00 00:00:05 
2017-02-20 12:44:00 00:00:00 
2017-02-20 12:45:00 00:00:30 

有什么方法可以使这项工作变得有意义吗?

类似于:

df.resample('min').mean()

请您参考如下方法:

您可以先将 timedeltas 转换为 total_seconds ( float ),resample 并使用 fillna .上次转换 to_timedelta返回:

df = pd.to_timedelta(df.time.dt.total_seconds().resample('min').mean().fillna(0), unit='s') 
print (df) 
2017-02-20 12:42:00   00:00:02 
2017-02-20 12:43:00   00:00:05 
2017-02-20 12:44:00   00:00:00 
2017-02-20 12:45:00   00:00:10 
Freq: T, Name: time, dtype: timedelta64[ns] 

通过转换为纳秒可以提高精度:

print (pd.Series(df.time.values.astype(np.int64), index=df.index)) 
2017-02-20 12:42:10     2000000000 
2017-02-20 12:43:10     5000000000 
2017-02-20 12:45:10    10000000000 
2017-02-20 12:45:10    15000000000 
2017-02-20 12:45:10     5000000000 
dtype: int64 
 
df = pd.to_timedelta(pd.Series(df.time.values.astype(np.int64), index=df.index) 
                                 .resample('min').mean().fillna(0)) 
print (df) 
2017-02-20 12:42:00   00:00:02 
2017-02-20 12:43:00   00:00:05 
2017-02-20 12:44:00   00:00:00 
2017-02-20 12:45:00   00:00:10 
Freq: T, dtype: timedelta64[ns]