Python 3.x 删除前x百分位数据后重新采样时间序列
我有一个小时时间序列数据（比如带有日期/时间和值列的df），我想： 步骤1：删除每天前5个百分位数 步骤2：获取每天的最大值（步骤1） 步骤3：获得每个月的平均值（步骤2） 以下是我尝试实现上述逻辑的内容：Python 3.x 删除前x百分位数据后重新采样时间序列,python-3.x,pandas,Python 3.x,Pandas,我有一个小时时间序列数据（比如带有日期/时间和值列的df），我想： 步骤1：删除每天前5个百分位数 步骤2：获取每天的最大值（步骤1） 步骤3：获得每个月的平均值（步骤2） 以下是我尝试实现上述逻辑的内容： step_1 = df.resample('D').apply(lambda x: x<x.quantile(0.95)) step_2 = step_1.resample('D').max() step_3 = step_2.resample('M').mean() step_1=
step_1 = df.resample('D').apply(lambda x: x<x.quantile(0.95))
step_2 = step_1.resample('D').max()
step_3 = step_2.resample('M').mean()
step_1=df.resample（'D'）.apply（lambda x:x您就快到了。您的step_1
是一系列布尔值，其索引与原始数据相同，您可以使用它来过滤数据帧，因此：
step_1=df.resample（'D'）.apply（lambda x:x您的第一步是布尔掩码，因此需要添加一个额外的步骤：
将numpy导入为np
作为pd进口熊猫
df=pd.DataFrame（np.random.randn（1000），index=pd.date\u范围（start='1/1/2019'，periods=1000，freq='H'），columns=['my\u data']
掩码=df.重采样（'D'）。应用（λx:x