Python 3.x 在一个数据帧中对多个时间序列进行上采样

在csv中获得这样的数据

id,date,price
A,2020-05-04 15:00:00,1.2
B,2020-05-04 15:05:00,1.3
A,2020-05-04 16:07:00,1.4
B,2020-05-04 16:07:00,1.5

所以在同一数据帧中，a和B分别有一个时间序列。 我创建了dataframe并放置了类似

df的索引。set_索引（[“id”，“date”]）

现在我想将采样增加到分钟，这样结果对应于如下所示的csv：

id,date,price
A,2020-05-04 15:00:00,1.2
A,2020-05-04 15:01:00,1.2
...
A,2020-05-04 16:06:00,1.2
A,2020-05-04 16:07:00,1.4
B,2020-05-04 15:05:00,1.3
B,2020-05-04 15:06:00,1.3
...
B,2020-05-04 16:06:00,1.3
B,2020-05-04 16:07:00,1.5

但是不要让那

df.resample（“60S”，level=“date”）.pad（）

事情继续进行，得到的错误是我只能将它用于“Datetimeindex，但它是多索引”，当省略级别并将级别设置为“不支持从级别=或打开=选择的上采样”时，使用.set\u index显式地将索引设置为datetime，如“error…”

我觉得必须有一个简单的解决方案…？在一个数据集中有一个系列的多个实例是很常见的吗？ 当然，我可以拆分数据帧，然后再合并。。。

---

还有一些帖子使用了grouper，但对我来说，这听起来太复杂了，对它来说，级别参数必须是某种解决方案…

创建

DatetimeIndex

并使用链接：

仅用于处理

price

列，请使用：

df1 = df.set_index("date").groupby('id')['price'].resample("60S").pad().reset_index()
print (df1)
    id                date  price
0    A 2020-05-04 15:00:00    1.2
1    A 2020-05-04 15:01:00    1.2
2    A 2020-05-04 15:02:00    1.2
3    A 2020-05-04 15:03:00    1.2
4    A 2020-05-04 15:04:00    1.2
..  ..                 ...    ...
126  B 2020-05-04 16:03:00    1.3
127  B 2020-05-04 16:04:00    1.3
128  B 2020-05-04 16:05:00    1.3
129  B 2020-05-04 16:06:00    1.3
130  B 2020-05-04 16:07:00    1.5

[131 rows x 3 columns]

---

创建

DatetimeIndex

并使用链接：

仅用于处理

price

列，请使用：

df1 = df.set_index("date").groupby('id')['price'].resample("60S").pad().reset_index()
print (df1)
    id                date  price
0    A 2020-05-04 15:00:00    1.2
1    A 2020-05-04 15:01:00    1.2
2    A 2020-05-04 15:02:00    1.2
3    A 2020-05-04 15:03:00    1.2
4    A 2020-05-04 15:04:00    1.2
..  ..                 ...    ...
126  B 2020-05-04 16:03:00    1.3
127  B 2020-05-04 16:04:00    1.3
128  B 2020-05-04 16:05:00    1.3
129  B 2020-05-04 16:06:00    1.3
130  B 2020-05-04 16:07:00    1.5

[131 rows x 3 columns]

---

太棒了，我知道不会那么难太棒了，我知道不会那么难