Python 根据所选窗口进行数据帧聚合
我正在使用python和panda数据帧。 我有一个从CSV文件导入的数据帧Python 根据所选窗口进行数据帧聚合,python,pandas,dataframe,Python,Pandas,Dataframe,我正在使用python和panda数据帧。 我有一个从CSV文件导入的数据帧 volume temperature(c) time(sec) 1000.1 10.4 26.5 1000.2 12.5 30.2 1000.3 13.2 40.5 . . . 8000.1 78 50.8 8000.2 79 51.5 我想创建一个新的数据框,我们定义一个时间窗口W(例如5秒),每W秒将使用特定窗口上的不同计算将每列的值聚合到一行,例如,平均值、标准
volume temperature(c)
time(sec)
1000.1 10.4 26.5
1000.2 12.5 30.2
1000.3 13.2 40.5
.
.
.
8000.1 78 50.8
8000.2 79 51.5
我想创建一个新的数据框,我们定义一个时间窗口W(例如5秒),每W秒将使用特定窗口上的不同计算将每列的值聚合到一行,例如,平均值、标准z分数等。
输出数据帧的示例:
time(sec) mean_volume mean_temperature std_volume
1000.1 12.0. 32.4 1.4
1005.1 12.5 30.2 1.7
1010.1 11.7 30.1 1.5
.
.
.
我熟悉df['new col']=data['source'].rolling(W).mean()
,这不是我的解决方案
我附上了一个例子
T,H,L,C,label
1000.1,23.18,27.272,426,1
1000.2,23.15,27.2675,429.5,1
1000.3,23.15,27.245,426,1
1000.4,23.15,27.2,426,1
1000.5,23.1,27.2,426,1
1000.6,23.1,27.2,419,1
1000.7,23.1,27.2,419,1
1000.8,23.1,27.2,419,1
1000.9,23.1,27.2,419,1
1001,23.075,27.175,419,1
1001.1,23.075,27.15,419,1
1001.2,23.1,27.1,419,1
1001.3,23.1,27.16666667,419,1
1001.4,23.05,27.15,419,1
1001.5,23,27.125,419,1
1001.6,23,27.125,418.5,1
1001.7,23,27.2,0,0
1001.8,22.945,27.29,0,0
1001.9,22.945,27.39,0,0
1002,22.89,27.39,0,0
1002.1,22.89,27.39,0,0
1002.2,22.89,27.39,0,0
1002.3,22.89,27.445,0,0
对于上面的示例,我希望新的数据框将包含以下列:H_-mean、H_-std、L_-mean、C_-mean、L_-std、C_-std
此外,我如何在每个段上应用自定义函数(例如z-score)
谢谢,鉴于您的数据位于一个名为
df
的pd.DataFrame
中,下面应该可以实现这一点:
import pandas as pd
import numpy as np
step = 5
df.groupby(pd.cut(df.index,
np.arange(start=df.index.min(), stop=df.index.max(), step=step,
dtype=float)))\
.agg({'volume':['mean', 'std'], 'temperature':['mean']})
我们正在使用pd.cut创建一个IntervalIndex
,我们可以groupby
。最后,我们使用pd.DataFrame.agg
计算各组的汇总统计数据<对于volume
列,code>mean和std
;对于temperature
列,code>mean
我还没有测试过这个,但是如果你提供一个测试,我可以做到
编辑
根据更新的数据,我编写了以下代码:
In [1]: import pandas as pd
In [2]: import numpy as np
In [3]: from io import StringIO
In [4]: s = """T,H,L,C,label
...: 1000.1,23.18,27.272,426,1
...: 1000.2,23.15,27.2675,429.5,1
...: 1000.3,23.15,27.245,426,1
...: 1000.4,23.15,27.2,426,1
...: 1000.5,23.1,27.2,426,1
...: 1000.6,23.1,27.2,419,1
...: 1000.7,23.1,27.2,419,1
...: 1000.8,23.1,27.2,419,1
...: 1000.9,23.1,27.2,419,1
...: 1001,23.075,27.175,419,1
...: 1001.1,23.075,27.15,419,1
...: 1001.2,23.1,27.1,419,1
...: 1001.3,23.1,27.16666667,419,1
...: 1001.4,23.05,27.15,419,1
...: 1001.5,23,27.125,419,1
...: 1001.6,23,27.125,418.5,1
...: 1001.7,23,27.2,0,0
...: 1001.8,22.945,27.29,0,0
...: 1001.9,22.945,27.39,0,0
...: 1002,22.89,27.39,0,0
...: 1002.1,22.89,27.39,0,0
...: 1002.2,22.89,27.39,0,0
...: 1002.3,22.89,27.445,0,0"""
In [5]: df = pd.read_csv(StringIO(s), index_col='T')
我们再次使用IntervalIndex
和groupby
,以及agg来计算汇总统计数据
In [6]: step = 0.5
...:
...: grouped = df.groupby(pd.cut(df.index,
...: np.arange(start=df.index.min(), stop=df.index.max(), step=step, dtype=float
...: )))
...:
In [7]: grouped.agg({'H':['mean', 'std'], 'L':['mean', 'std'], 'C':['mean', 'std']})
Out[7]:
H L C
mean std mean std mean std
(1000.1, 1000.6] 23.130 0.027386 27.222500 0.031820 425.3 3.834058
(1000.6, 1001.1] 23.090 0.013693 27.185000 0.022361 419.0 0.000000
(1001.1, 1001.6] 23.050 0.050000 27.133333 0.025685 418.9 0.223607
(1001.6, 1002.1] 22.934 0.046016 27.332000 0.085557 0.0 0.000000
这并没有提供您想要的列名,因此让我们将列MultiIndex
展平以调整它们
In [8]: aggregated = grouped.agg({'H':['mean', 'std'], 'L':['mean', 'std'], 'C':['mean', 'std']})
In [9]: ['_'.join(col).strip() for col in aggregated.columns.values]
Out[9]: ['H_mean', 'H_std', 'L_mean', 'L_std', 'C_mean', 'C_std']
In [10]: aggregated.columns = ['_'.join(col).strip() for col in aggregated.columns.values]
In [11]: aggregated
Out[11]:
H_mean H_std L_mean L_std C_mean C_std
(1000.1, 1000.6] 23.130 0.027386 27.222500 0.031820 425.3 3.834058
(1000.6, 1001.1] 23.090 0.013693 27.185000 0.022361 419.0 0.000000
(1001.1, 1001.6] 23.050 0.050000 27.133333 0.025685 418.9 0.223607
(1001.6, 1002.1] 22.934 0.046016 27.332000 0.085557 0.0 0.000000
我不太清楚应用Z-分数是什么意思,因为这不是一个汇总统计,不像
std
和mean
,所以它不能很好地处理agg。如果您只想将Z分数按列应用于整个数据帧,我建议,您可能需要查看以下问题:为什么滚动不是解决方案?请检查:嗨,我会根据您的请求更新我的问题。你的解决办法只能部分解决我的问题。谢谢你的编辑,让我知道我是否理解正确。您对问题的编辑很好,您获得了MCVE的完整和最小部分,但缺少代表可验证的V。如果你加上你期望的结果,我可以进一步帮助你。