我在一個(gè)帶有日期和時(shí)間的系列中有五周的季節(jié)性數(shù)據(jù)，我如何根據(jù)周數(shù)將其分開，例如第 1 周、第 2 周...第 5 周，以便我可以在同一張圖中繪制所有周數(shù)據(jù)。我嘗試通過找到平均值來(lái)重新采樣數(shù)據(jù)。但數(shù)據(jù)仍然是單系列。我只想在不同的數(shù)據(jù)框中根據(jù) 2019-04-02 到 2019-04-08、2019-04-08 到 2019-04-16 等周在單獨(dú)的 df 中分離數(shù)據(jù)df.open.resample('M').mean()date pageload day0 2019-04-02 10:48:00 -79.002023 Tue1 2019-04-02 10:49:00 33.563679 Tue2 2019-04-02 10:50:00 -76.448319 Tue3 2019-04-02 10:51:00 30.974816 Tue4 2019-04-02 10:52:00 -68.789962 Tue5 2019-04-02 10:53:00 30.593374 Tue21 2019-04-16 11:34:00 40.333445 Fri數(shù)據(jù)框按周分開。在單個(gè)圖表中繪制所有周數(shù)據(jù)。
2 回答
慕容森
TA貢獻(xiàn)1853條經(jīng)驗(yàn) 獲得超18個(gè)贊
我不認(rèn)為你想像 Shijith 展示的那樣重新采樣。我認(rèn)為您每周都需要不同的數(shù)據(jù)框。IMO 您想為此使用groupby ( doc )。Pandas Groupby函數(shù)可用于按列或索引拆分?jǐn)?shù)據(jù)框中的數(shù)據(jù)。該方法返回一個(gè) pandas groupby 對(duì)象，該對(duì)象可用于在將組合并回來(lái)之前對(duì)組執(zhí)行操作。
在代碼片段中，我首先創(chuàng)建一個(gè)列來(lái)對(duì)數(shù)據(jù)進(jìn)行分組（即“周”列）。比我按周列對(duì)數(shù)據(jù)進(jìn)行分組。這將創(chuàng)建一個(gè) groupby 對(duì)象，其中包括一個(gè)字典，該字典具有“weeks”列的唯一值作為鍵和數(shù)據(jù)幀的索引列表，這些索引列表具有與“weeks”列相同的值作為值。這可以通過print(grps.groups)在控制臺(tái)中輸入來(lái)查看。然后我遍歷組的鍵，并通過調(diào)用get_groupgroupby 對(duì)象上的方法將每周數(shù)據(jù)幀添加到字典中。
import pandas as pd
# Make sample data
index=pd.date_range(start='2014-01-01', end='2014-1-31',freq='D')
df = pd.DataFrame({"vals":np.random.randint(-5,5,len(index))}, index=index)
df["csum"] = df.vals.cumsum()
# Add a column for weeks to enable grouping
df["weeks"] = df.index.week
# Group the data
grps = df.groupby("weeks")
# split the group into separate dataframes
df_dict = {}
for gi in grps.groups:
df_dict[gi] = grps.get_group(gi)
我從這樣的事情開始：
vals csum weeks
2014-01-01 4 4 1
2014-01-02 -5 -1 1
...
2014-01-30 -2 -9 5
2014-01-31 -5 -14 5
最終得到如下數(shù)據(jù)框
1
vals csum weeks
2014-01-01 4 4 1
2014-01-02 -5 -1 1
2014-01-03 -4 -5 1
2014-01-04 4 -1 1
2014-01-05 -5 -6 1
2
vals csum weeks
2014-01-06 -5 -11 2
2014-01-07 2 -9 2
2014-01-08 4 -5 2
2014-01-09 -1 -6 2
2014-01-10 -1 -7 2
2014-01-11 -3 -10 2
2014-01-12 -2 -12 2
子衿沉夜
TA貢獻(xiàn)1828條經(jīng)驗(yàn) 獲得超3個(gè)贊
如果您的數(shù)據(jù)框df按日期編入索引
print(df)
High Low Open Close Volume Adj Close
Date
2019-04-01 191.679993 188.380005 191.639999 191.240005 27862000 191.240005
2019-04-02 194.460007 191.050003 191.089996 194.020004 22765700 194.020004
2019-04-03 196.500000 193.149994 193.250000 195.350006 23271800 195.350006
2019-04-04 196.369995 193.139999 194.789993 195.690002 19114300 195.690002
2019-04-05 197.100006 195.929993 196.449997 197.000000 18526600 197.000000
2019-04-08 200.229996 196.339996 196.419998 200.100006 25881700 200.100006
2019-04-09 202.850006 199.229996 200.320007 199.500000 35768200 199.500000
2019-04-10 200.740005 198.179993 198.679993 200.619995 21695300 200.619995
2019-04-11 201.000000 198.440002 200.850006 198.949997 20900800 198.949997
2019-04-12 200.139999 196.210007 199.199997 198.869995 27760700 198.869995
做，
weekly_summary = pd.DataFrame()
weekly_summary['Open'] = df.open.resample('W').first()
print(weekly_summary)
Open
Date
2019-04-07 191.639999
2019-04-14 196.419998
如果它沒有按日期時(shí)間編入索引，
df['Date'] = pd.to_datetime(df['Date'])
df.set_index('Date', inplace=True)
df.sort_index(inplace=True)
weekly_summary = pd.DataFrame()
weekly_summary['Open'] = df.open.resample('W').first()
對(duì)于上面的代碼數(shù)據(jù)框?qū)⒃?'sundays' 進(jìn)行索引，如果您希望它在 'Mondays' （即一周的開始日期）進(jìn)行索引，請(qǐng)執(zhí)行以下操作。
weekly_summary = pd.DataFrame()
weekly_summary['Open'] = df.open.resample('W',loffset=pd.offsets.timedelta(days=-6)).first()
print(weekly_summary)
Open
Date
2019-04-01 191.639999
2019-04-08 196.419998
添加回答
舉報(bào)
0/150
提交
取消