将float Series转换为pandas中的整数Series

Question

我有以下数据框：

In [31]: rise_p
Out[31]: 
         time    magnitude
0  1379945444   156.627598
1  1379945447  1474.648726
2  1379945448  1477.448999
3  1379945449  1474.886202
4  1379945699  1371.454224

现在，我想对一分钟内的行进行分组。所以我把时间序列除以100.我得到这个：

In [32]: rise_p/100
Out[32]: 
          time  magnitude
0  13799454.44   1.566276
1  13799454.47  14.746487
2  13799454.48  14.774490
3  13799454.49  14.748862
4  13799456.99  13.714542

如上所述，我想根据时间创建组。因此，预期的子组将是具有时间13799454和13799456的行。我这样做：

In [37]: ts = rise_p['time']/100

In [38]: s = rise_p/100

In [39]: new_re_df = [s.iloc[np.where(int(ts) == int(i))] for i in ts]
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-39-5ea498cf32b2> in <module>()
----> 1 new_re_df = [s.iloc[np.where(int(ts) == int(i))] for i in ts]

TypeError: only length-1 arrays can be converted to Python scalars

如何将ts转换为整数系列，因为int（）不会将Series或列表作为参数？大熊猫有没有这样做的方法呢？

Answer 1

尝试使用astype进行转换：

new_re_df = [s.iloc[np.where(ts.astype(int) == int(i))] for i in ts]

编辑

根据@Rutger Kassies的建议，一个更好的方法是投射系列，然后组合：

rise_p['ts'] = (rise_p.time / 100).astype('int')

ts_grouped = rise_p.groupby('ts')

...

Answer 2

这是解决问题的另一种方法

In [3]: df
Out[3]: 
         time    magnitude
0  1379945444   156.627598
1  1379945447  1474.648726
2  1379945448  1477.448999
3  1379945449  1474.886202
4  1379945699  1371.454224

In [4]: df.dtypes
Out[4]: 
time           int64
magnitude    float64
dtype: object

将您的纪元时间戳转换为秒

In [7]: df['time'] = pd.to_datetime(df['time'],unit='s')

设置索引

In [8]: df.set_index('time',inplace=True)

In [9]: df
Out[9]: 
                       magnitude
time                            
2013-09-23 14:10:44   156.627598
2013-09-23 14:10:47  1474.648726
2013-09-23 14:10:48  1477.448999
2013-09-23 14:10:49  1474.886202
2013-09-23 14:14:59  1371.454224

Groupby 1min并表示结果（how=也可以是任意函数）

In [10]: df.resample('1Min',how=np.mean)
Out[10]: 
                       magnitude
time                            
2013-09-23 14:10:00  1145.902881
2013-09-23 14:11:00          NaN
2013-09-23 14:12:00          NaN
2013-09-23 14:13:00          NaN
2013-09-23 14:14:00  1371.454224

Answer 3

这是将ts转换为Series类型的int的另一种非常通用的方法：

rise_p['ts'] = (rise_p.time / 100).apply(lambda val: int(val))

apply允许您通过值将任意函数应用于Series对象值。 apply也适用于DataFrame对象的列。