关于python：使用包含时间序列的多索引重新采样pandas数据框


Resampling a pandas dataframe with multi-index containing timeseries

为创建似乎是该问题的重复而

表示歉意。我有一个数据框，其形状大致如下所示：

1
2
3
4
5
6
7
8
9
df_lenght = 240
df = pd.DataFrame(np.random.randn(df_lenght,2), columns=['a','b'] )
df['datetime'] = pd.date_range('23/06/2017', periods=df_lenght, freq='H')

unique_jobs = ['job1','job2','job3',]
job_id = [unique_jobs for i in range (1, int((df_lenght/len(unique_jobs))+1) ,1) ]
df['job_id'] = sorted( [val for sublist in job_id for val in sublist] )

df.set_index(['job_id','datetime'], append=True, inplace=True)

print(df[:5])返回：

1
2
3
4
5
6
7
                                     a         b
  job_id datetime                              
0 job1   2017-06-23 00:00:00 -0.067011 -0.516382
1 job1   2017-06-23 01:00:00 -0.174199  0.068693
2 job1   2017-06-23 02:00:00 -1.227568 -0.103878
3 job1   2017-06-23 03:00:00 -0.847565 -0.345161
4 job1   2017-06-23 04:00:00  0.028852  3.111738

我将需要对df['a']重新采样以得出每日滚动平均值，即应用.resample('D').mean().rolling(window=2).mean()。

我尝试了两种方法：

1-按此处的建议进行堆放和堆放

1
df.unstack('job_id','datetime').resample('D').mean().rolling(window=2).mean().stack('job_id', 'datetime')

这将返回错误

2-使用pd.Grouper，如此处推荐

1
2
level_values = df.index.get_level_values
result = df.groupby( [ level_values(i) for i in [0,1] ] + [ pd.Grouper(freq='D', level=2) ] ).mean().rolling(window=2).mean()

这不会返回错误，但是似乎没有适当地对df进行重新采样/分组。结果似乎包含每小时数据点，而不是每天：

1
2
3
4
5
6
7
8
print(result[:5])
                            a         b
  job_id datetime                      
0 job1   2017-06-23       NaN       NaN
1 job1   2017-06-23  0.831609  1.348970
2 job1   2017-06-23 -0.560047  1.063316
3 job1   2017-06-23 -0.641936 -0.199189
4 job1   2017-06-23  0.254402 -0.328190
相关讨论

首先让我们定义一个重采样器函数：

1
2
def resampler(x):    
    return x.set_index('datetime').resample('D').mean().rolling(window=2).mean()

然后，我们对job_id进行分组并应用重采样器功能：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 df.reset_index(level=2).groupby(level=1).apply(resampler)

Out[657]:
                          a         b
job_id datetime                      
job1   2017-06-23       NaN       NaN
       2017-06-24  0.053378  0.004727
       2017-06-25  0.265074  0.234081
       2017-06-26  0.192286  0.138148
job2   2017-06-26       NaN       NaN
       2017-06-27 -0.016629 -0.041284
       2017-06-28 -0.028662  0.055399
       2017-06-29  0.113299 -0.204670
job3   2017-06-29       NaN       NaN
       2017-06-30  0.233524 -0.194982
       2017-07-01  0.068839 -0.237573
       2017-07-02 -0.051211 -0.069917

让我知道这是否是你要的。

相关讨论

IIUC，您希望按job_id和(每天)datetime s进行分组，并希望忽略DataFrame索引的第一级。因此，而不是按

分组

1
( [ level_values(i) for i in [0,1] ] + [ pd.Grouper(freq='D', level=2) ] )

您要分组

1
[df.index.get_level_values(1), pd.Grouper(freq='D', level=2)]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import numpy as np
import pandas as pd
np.random.seed(2017)

df_length = 240
df = pd.DataFrame(np.random.randn(df_length,2), columns=['a','b'] )
df['datetime'] = pd.date_range('23/06/2017', periods=df_length, freq='H')

unique_jobs = ['job1','job2','job3',]
job_id = [unique_jobs for i in range (1, int((df_length/len(unique_jobs))+1) ,1) ]
df['job_id'] = sorted( [val for sublist in job_id for val in sublist] )

df.set_index(['job_id','datetime'], append=True, inplace=True)

grouped = df.groupby([df.index.get_level_values(1), pd.Grouper(freq='D', level=2)])
result = grouped.mean().rolling(window=2).mean()

print(result)

产量

1
2
3
4
5
6
7
8
9
10
11
12
13
14
                          a         b
job_id datetime                      
job1   2017-06-23       NaN       NaN
       2017-06-24 -0.203083  0.176141
       2017-06-25 -0.077083  0.072510
       2017-06-26 -0.237611 -0.493329
job2   2017-06-26 -0.297775 -0.370543
       2017-06-27  0.005124  0.052603
       2017-06-28  0.226142 -0.015584
       2017-06-29 -0.065595  0.210628
job3   2017-06-29 -0.186865  0.347683
       2017-06-30  0.051508  0.029909
       2017-07-01  0.005341  0.075378
       2017-07-02 -0.027131  0.132192

相关讨论