Python 用“平均值”方法重新采样数据
我想使用pandas.resample函数和“mean”方法将15分钟的数据重采样为60分钟的数据,但默认情况下,此方法以9:00 AM时间戳的9:00 AM、9:15 AM、9:30 AM和9:45 AM值的平均值为例。是否有办法将上午8:15、上午8:30、上午8:45和上午9:00的时间戳取平均值 输入数据:Python 用“平均值”方法重新采样数据,python,pandas,Python,Pandas,我想使用pandas.resample函数和“mean”方法将15分钟的数据重采样为60分钟的数据,但默认情况下,此方法以9:00 AM时间戳的9:00 AM、9:15 AM、9:30 AM和9:45 AM值的平均值为例。是否有办法将上午8:15、上午8:30、上午8:45和上午9:00的时间戳取平均值 输入数据: Generated On CB_P 2019-01-01 08:15:00+00:00 0.187 2019-01-01 08:30:00+00:0
Generated On CB_P
2019-01-01 08:15:00+00:00 0.187
2019-01-01 08:30:00+00:00 0.228
2019-01-01 08:45:00+00:00 0.242
2019-01-01 09:00:00+00:00 0.8270
2019-01-01 09:15:00+00:00 1.083
2019-01-01 09:30:00+00:00 3.022
2019-01-01 09:45:00+00:00 1.511
2019-01-01 10:00:00+00:00 1.568
2019-01-01 10:15:00+00:00 6.365
2019-01-01 10:30:00+00:00 8.23
2019-01-01 10:45:00+00:00 9.3
2019-01-01 11:00:00+00:00 14.311
2019-01-01 11:15:00+00:00 13.045
2019-01-01 11:30:00+00:00 11.05
2019-01-01 11:45:00+00:00 11.257
2019-01-01 12:00:00+00:00 13.367
2019-01-01 12:15:00+00:00 11.895
2019-01-01 12:30:00+00:00 9.245
2019-01-01 12:45:00+00:00 7.254
2019-01-01 13:00:00+00:00 15.773
2019-01-01 13:15:00+00:00 14.280
2019-01-01 13:30:00+00:00 17.258
2019-01-01 13:45:00+00:00 7.792
2019-01-01 14:00:00+00:00 6.893
2019-01-01 14:15:00+00:00 4.693
2019-01-01 14:30:00+00:00 4.271
2019-01-01 14:45:00+00:00 1.524
2019-01-01 15:00:00+00:00 1.495
2019-01-01 15:15:00+00:00 1.03
2019-01-01 15:30:00+00:00 0.364
2019-01-01 15:45:00+00:00 0.045
预期产出:
Generated On CB_P
2019-01-01 09:00:00+00:00 0.371
2019-01-01 10:00:00+00:00 1.796
2019-01-01 11:00:00+00:00 9.5515
2019-01-01 12:00:00+00:00 12.180
2019-01-01 13:00:00+00:00 11.04
2019-01-01 14:00:00+00:00 11.556
2019-01-01 15:00:00+00:00 2.996
偏移值可用于重采样。请参阅
什么平均方法?我的错,我编辑了这篇文章。这是你预期的输出数据吗?你有输入数据吗?谢谢你的回答。它为我提供了所需的输出,但有没有办法从索引中删除偏移量,因为生成的数据帧现在无法与我的其余代码一起工作。
df['Generated On'] = pd.to_datetime(df['Generated On'])
df.set_index('Generated On', inplace=True)
df2 = df.resample('1H', offset=15).mean()
df2.index = df2.index.strftime('%Y-%m-%d %H:%M:%S')
df2
CB_P
Generated On
2019-01-01 08:00:00 0.371000
2019-01-01 09:00:00 1.796000
2019-01-01 10:00:00 9.551500
2019-01-01 11:00:00 12.179750
2019-01-01 12:00:00 11.041750
2019-01-01 13:00:00 11.555750
2019-01-01 14:00:00 2.995750
2019-01-01 15:00:00 0.479667