我有一个熊猫数据帧,其中包含有关不同时标的信息,即在某些时段内,我每秒有100个数据点,在其他时段中,我每分钟有1个数据点。
我的目标是使用固定的时间窗口(例如:1秒)对该数据帧进行重新采样,在上采样时使用last进行正则化,而在下采样时使用均值。
此外,我希望指定算法同时执行两个操作(降采样和升采样)的顺序,因为我需要先执行升采样(使用最后一个),然后才执行降采样(使用均值)。
使用pandas重采样功能完全可以吗?
例如,在下面的示例代码中,我想在结果数据帧中使用以下值:0(介于10到10秒之间,0.5(代表最后一次),介于10到19秒之间,以及10(介于19到39秒之间) 。
import pandas as pd
import numpy as np
df1 = pd.DataFrame({'value' : np.repeat(1,10)}, index=pd.date_range('2010-01-01 00:00:00', periods=10, freq='1S'))
df2 = pd.DataFrame({'value' : np.repeat(0,10)}, index=pd.date_range('2010-01-01 00:00:00.5', periods=10, freq='1S'))
df3 = pd.DataFrame({'value' : np.repeat(10,3)}, index=pd.date_range('2010-01-01 00:00:19', periods=3, freq='10S'))
df = pd.concat([df1, df2, df3], axis=0)
df = df.sort_index()
df.resample(rule='1S', fill_method='ffill', kind='timestamp', how='mean')
您如何建议我解决这个问题?
编辑:我的实际数据帧很大,因此我想减少操作的数量,尤其是那些涉及对象复制的操作。
首先使用降采样功能进行传统的重采样:
df_new = df.resample(rule='1S')
接着在update
的地方进行升采样,但不要覆盖它。您正在使用向前填充的上采样数据填充空白:
df_new.update(df.resample(rule='1S', fill_method='ffill', kind='timestamp', how='last'),
overwrite=False)
>>> df_new
value
2010-01-01 00:00:00 0.5
2010-01-01 00:00:01 0.5
2010-01-01 00:00:02 0.5
2010-01-01 00:00:03 0.5
2010-01-01 00:00:04 0.5
2010-01-01 00:00:05 0.5
2010-01-01 00:00:06 0.5
2010-01-01 00:00:07 0.5
2010-01-01 00:00:08 0.5
2010-01-01 00:00:09 0.5
2010-01-01 00:00:10 0.0
2010-01-01 00:00:11 0.0
2010-01-01 00:00:12 0.0
2010-01-01 00:00:13 0.0
2010-01-01 00:00:14 0.0
2010-01-01 00:00:15 0.0
2010-01-01 00:00:16 0.0
2010-01-01 00:00:17 0.0
2010-01-01 00:00:18 0.0
2010-01-01 00:00:19 10.0
2010-01-01 00:00:20 10.0
2010-01-01 00:00:21 10.0
2010-01-01 00:00:22 10.0
2010-01-01 00:00:23 10.0
2010-01-01 00:00:24 10.0
2010-01-01 00:00:25 10.0
2010-01-01 00:00:26 10.0
2010-01-01 00:00:27 10.0
2010-01-01 00:00:28 10.0
2010-01-01 00:00:29 10.0
2010-01-01 00:00:30 10.0
2010-01-01 00:00:31 10.0
2010-01-01 00:00:32 10.0
2010-01-01 00:00:33 10.0
2010-01-01 00:00:34 10.0
2010-01-01 00:00:35 10.0
2010-01-01 00:00:36 10.0
2010-01-01 00:00:37 10.0
2010-01-01 00:00:38 10.0
2010-01-01 00:00:39 10.0
您无法在单个resample
操作中混合上采样/下采样。我不确定为什么只要您获得期望的结果,操作顺序对您来说就很重要。
由于熊猫折旧了how=
和fill_method=
参数,因此新语法为:
df_new = df.resample(rule='1S').mean()
df_new.update(df.resample(rule='1S').ffill(), overwrite=False)