Python 3.x 转换时间序列15分钟数据

我有一个时间序列数据，每15分钟取一次价格值。我想转换数据，其中每个时间块成为一列，我们得到特定日期的一行。 例如，包含2列-['Date-Time'，'Price']的数据帧将生成1+96列-['Date']和每个时间块的96列的数据帧

下面是我为将小时转换为列而编写的代码，其中给出了24列小时。如何将15分钟的时间转换为96列-

def transform_to_hour_cols(series):
    df = pd.DataFrame()

    start = series.index.min()
    end = series.index.max()
    
    df['year'] = series.index.year
    df['month'] = series.index.month
    df['day'] = series.index.day
    df['hours'] = series.index.hour
    df['loads'] = series.values
  
    
    df = df.set_index(['year', 'month', 'day', 'hours'], append=True).unstack()
    df = df.groupby(['year', 'month', 'day']).sum()
    
    df.reset_index(inplace=True)
    df.drop(['year', 'month', 'day'], axis=1, inplace=True)
    
    date_list = pd.date_range(start=start, end=end, freq='D').strftime('%Y-%m-%d')
    
    df.index = pd.DatetimeIndex(date_list, name='date')
    
    return df

price = transform_to_hour_cols(df['Price'])
price.head()

下面是示例数据帧-

您可以使用

dt.date

和

dt.time

创建一个

date

和

time

列

然后，将

time

发送到列。为此，首先，您必须使用

将
日期
和
时间
放在索引上。set_index（）

。然后，使用

.unstack（1）

将

时间移动到列中。
unstack（）
中的
1
表示您正在传递刚刚创建的多索引中的第二个索引列。如果您已通过
0
，则您将向列发送
date

最后，使用

.reset\u index（level=0）

---

根据您提供的示例数据，我假设您已经成功地按日期行将15分钟间隔分组，因此这有助于将15分钟间隔分组到列中

您可以使用

dt.date

和

dt.time

创建一个

date

和

time

列

然后，将

time

发送到列。为此，首先，您必须使用

将
日期
和
时间
放在索引上。set_index（）

。然后，使用

.unstack（1）

将

时间移动到列中。
unstack（）
中的
1
表示您正在传递刚刚创建的多索引中的第二个索引列。如果您已通过
0
，则您将向列发送
date

最后，使用

.reset\u index（level=0）

---

---

根据您提供的示例数据，我假设您已经成功地按日期行将15分钟间隔分组，因此这有助于您将15分钟间隔分组到列中。

您可以使用

Series.dt.minute

获得按分钟的分布。由于您的数据只有15分钟的窗口，它将自动调整相同的窗口。您可以使用

Series.dt.minute

获得按分钟分布。由于您的数据只有15分钟的窗口，它将自动调整相同的时间。

df = pd.DataFrame({'date' : ['2020-04-01 00:00:00', '2020-04-01 00:15:00',
                             '2020-04-01 00:30:00', '2020-04-01 00:45:00', '2020-04-01 01:00:00'],
                   'mcp' : [2399.21, 2499.07, 2448.89, 2399.80, 2199.89]})
df['date'] = pd.to_datetime(df['date'])
df['time'] = df['date'].dt.time
df['date'] = df['date'].dt.date
df = df.set_index(['date', 'time']).unstack(1).reset_index(level=0)
df
Out[1]: 
           date      mcp                                    
time            00:00:00 00:15:00 00:30:00 00:45:00 01:00:00
0    2020-04-01  2399.21  2499.07  2448.89   2399.8  2199.89