Python 多索引移位中的DatetimeIndex

我有一些Pandas（python）数据帧，它们是通过大约每8毫秒收集一次数据创建的。数据被分解成块，序列在块中重新启动。所有块都有一个标签，并且有一个timestamp列，指示从文件开始收集样本的时间。为了获得一个想法，框架如下所示：

|        | EXPINDEX | EXPTIMESTAMP | DATA1 | DATA2 |
-----------------------------------------------------
| BLOCK  | 0        |              |       |       |
| Block1 | 1        | 0            | .423  | .926  |
|        | 2        | 8.215        | .462  | .919  |
|        | 3        | 17.003       | .472  | .904  |
| Block2 | 4        | 55.821       | .243  | .720  |
|        | 5        | 63.521       | .237  | .794  |
| ...    | ...      | ...          | ...   | ...   |
------------------------------------------------------

EXPTIMESTAMP列是一个DateTimeIndex。我想做的是保留该列以供以后使用，但使用块相对DateTimeIndex创建不同的子索引，例如：

|        |                | EXPTIMESTAMP | DATA1 | DATA2 |
----------------------------------------------------------
| BLOCK  | BLOCKTIMESTAMP |              |       |       |
| Block1 | 0              | 0            | .423  | .926  |
|        | 8.215          | 8.215        | .462  | .919  |
|        | 17.003         | 17.003       | .472  | .904  |
| Block2 | 0              | 55.821       | .243  | .720  |
|        | 7.700          | 63.521       | .237  | .794  |
| ...    | ...            | ...          | ...   | ...   |
----------------------------------------------------------

我已经让它工作了：

blockreltimestamp = []
blocks = list(df.index.levels[0])
for block in blocks:
   dfblock = df.xs(block, level='BLOCK').copy()
   dfblock["InitialVal"] = dfblock.iloc[0]["EXPTIMESTAMP"]
   reltime = dfsblock["EXPTIMESTAMP"] - dfblock["InitialVal"]
   blockreltimestamp.extend(list(reltime))
df["BLOCKTIMESTAMP"] = blockreltimestamp
df.set_index(["BLOCK","BLOCKTIMESTAMP"], drop=False, inplace=True)

但我想知道是否有一种更干净/更高效/更像熊猫的方式来进行这种类型的转换

---

谢谢

更干净的解决方案最终在非多索引数据帧上工作，其中BLOCK仍然是一个带有块ID的列，EXPTIMESTAMP是一个列，正如我最终希望的那样。在此基础上，我使用了pandas的groupby功能：

initialvalmatrix = df.groupby("BLOCK").min()[["EXPTIMESTAMP"]]

这将创建一个索引为“BLOCK”的数据帧，以及包含每个块的最小值“EXPTIMESTAMP”的列“EXPTIMESTAMP”

为了清楚起见，我将“EXPTIMESTAMP”列重命名为“INITIALBYBLOCK”：

然后，我使用pandas的apply跨列运行函数，以计算“BLOCKTIMESTAMP”列：

…其中“apply_zero_timestamp”函数定义为：

def apply_zero_timestamp(series, tslookup):
    zeroval = series["EXPTIMESTAMP"] - tslookup["INITIALBYBLOCK"][series["BLOCK"]]
    return zeroval

最后，我只需按照我的要求设置索引：

df.set_index(["BLOCK","BLOCKTIMESTAMP"], drop=False, inplace=True)

希望有帮助

def apply_zero_timestamp(series, tslookup):
    zeroval = series["EXPTIMESTAMP"] - tslookup["INITIALBYBLOCK"][series["BLOCK"]]
    return zeroval

df.set_index(["BLOCK","BLOCKTIMESTAMP"], drop=False, inplace=True)