Python 熊猫重采样应用np.average

我有时间序列“半小时”数据。我需要在重采样期间使用加权平均（使用

价格

）将

需求

重采样到“1天”

dft

                           demand  price
2012-01-01 00:00:00  30940.500000  42.18
2012-01-01 00:30:00  31189.166667  43.48
2012-01-01 01:00:00  30873.166667  42.28
2012-01-01 01:30:00  30110.833333  38.48
2012-01-01 02:00:00  29721.500000  37.28
2012-01-01 02:30:00  28970.000000  36.24
2012-01-01 03:00:00  27955.000000  32.16
                          ...    ...
2014-12-30 20:30:00  41685.500000  40.51
2014-12-30 21:00:00  40177.833333  41.79
2014-12-30 21:30:00  38238.000000  31.50
2014-12-30 22:00:00  36395.333333  37.54
2014-12-30 22:30:00  34543.333333  39.55
2014-12-30 23:00:00  32652.000000  40.88
2014-12-30 23:30:00  30941.333333  38.16

我想使用

price

列作为权重，使用

np.average（）

我已经看了几个例子，但有些地方不太合适。我得到的最接近的结果是：

dftwei = dft.price.resample('1D').apply(lambda x: np.average(x, weights=dft.demand, axis=0))

但问题是，这给了：

ValueError: Length of weights not compatible with specified axis.

当未指定轴=0时，错误为：

TypeError: Axis must be specified when shapes of a and weights differ.

问题可能在于如何指定权重。权重的长度必须为48，但我怀疑lambda函数使用的是

price

的全长。

---

谢谢

您可以创建自己的加权平均值：

wp = (df['demand'] * df['price']).resample('H').sum()
wp / df.resample('H')['price'].sum()

2012-01-01 00:00:00    31066.720251
2012-01-01 01:00:00    30509.935034
2012-01-01 02:00:00    29351.065288
2012-01-01 03:00:00    27558.233718
...

---

您可以创建自己的加权平均值：

wp = (df['demand'] * df['price']).resample('H').sum()
wp / df.resample('H')['price'].sum()

2012-01-01 00:00:00    31066.720251
2012-01-01 01:00:00    30509.935034
2012-01-01 02:00:00    29351.065288
2012-01-01 03:00:00    27558.233718
...

---

看来你的子集只差一点点。要在一天内进行平均，请对整个数据帧重新采样，然后仅在一天内进行平均：

import pandas as pd
import numpy as np

df = pd.DataFrame([('2012-01-01 00:00', 30940.500000, 42.18),
    ('2012-01-01 00:30', 31189.166667, 43.48),
    ('2012-01-01 01:00', 30873.166667, 42.28),
    ('2012-01-01 01:30', 30110.833333, 38.48),
    ('2012-01-01 02:00', 29721.500000, 37.28),
    ('2012-01-01 02:30', 28970.000000, 36.24),
    ('2012-01-01 03:00', 27955.000000, 32.16),
    ('2012-01-02 20:30', 41685.500000, 40.51),
    ('2012-01-02 21:00', 40177.833333, 41.79),
    ('2012-01-02 21:30', 38238.000000, 31.50),
    ('2012-01-02 22:00', 36395.333333, 37.54),
    ('2012-01-02 22:30', 34543.333333, 39.55),
    ('2012-01-02 23:00', 32652.000000, 40.88),
    ('2012-01-02 23:30', 30941.333333, 38.16)])

df[0] = pd.to_datetime(df[0])
df.set_axis(['date', 'demand', 'price'], axis=1, inplace=True)
df.set_index('date', inplace=True)

#
# Above is just setup, here's the rub:
#
df.resample('1D').apply(lambda x: np.average(x.demand, weights=x.price))

---

看来你的子集只差一点点。要在一天内进行平均，请对整个数据帧重新采样，然后仅在一天内进行平均：

import pandas as pd
import numpy as np

df = pd.DataFrame([('2012-01-01 00:00', 30940.500000, 42.18),
    ('2012-01-01 00:30', 31189.166667, 43.48),
    ('2012-01-01 01:00', 30873.166667, 42.28),
    ('2012-01-01 01:30', 30110.833333, 38.48),
    ('2012-01-01 02:00', 29721.500000, 37.28),
    ('2012-01-01 02:30', 28970.000000, 36.24),
    ('2012-01-01 03:00', 27955.000000, 32.16),
    ('2012-01-02 20:30', 41685.500000, 40.51),
    ('2012-01-02 21:00', 40177.833333, 41.79),
    ('2012-01-02 21:30', 38238.000000, 31.50),
    ('2012-01-02 22:00', 36395.333333, 37.54),
    ('2012-01-02 22:30', 34543.333333, 39.55),
    ('2012-01-02 23:00', 32652.000000, 40.88),
    ('2012-01-02 23:30', 30941.333333, 38.16)])

df[0] = pd.to_datetime(df[0])
df.set_axis(['date', 'demand', 'price'], axis=1, inplace=True)
df.set_index('date', inplace=True)

#
# Above is just setup, here's the rub:
#
df.resample('1D').apply(lambda x: np.average(x.demand, weights=x.price))

---

感谢，就像在下面的@ayhan中一样，我想你想用x['price'].*x['demand'].]除，而不是用x['price'.]除，而不是用'demand'df.groupby（df.index.date）.应用（lambda x:sum（x['price'.]x['demand'.]）谢谢，就像在下面的@ayhan中，我想你想用x['price'.]除，而不是用'demand'.]除，谢谢。我已经检查过了，这似乎有效。还有兴趣看看是否有人知道

.apply（np.average（））

的正确语法（请其他人注意）：虽然我问的问题是1D重采样，这个将2个半小时聚合为1小时的解决方案很好，因为它便于手动检查。@dreab啊，是的，我实际上更改了它，以便确认结果，但在粘贴到此处时忘记更改它。谢谢。我已经检查过了，这似乎有效。还有兴趣看看是否有人知道

.apply（np.average（））

的正确语法（请其他人注意）：虽然我问的问题是1D重采样，这个将2个半小时聚合为1小时的解决方案很好，因为它便于手动检查。@dreab啊，是的，我实际上更改了它，以便确认结果，但在粘贴到此处时忘记更改它。谢谢@heath raftery。我只是检查一下。你用的是什么版本的熊猫？谢谢@Heath Raftery。我的数据帧也是这样-但由于pandas 0.20稍旧，本例中的

set_axis

语法会抛出错误。因此，关键是

x.demand

而不仅仅是

x

在

np.average

@dreab是的，这让我沮丧了好几年——我最终升级到了最新版本（0.22.0），但当我在0.20时，我不得不使用

设置轴（1，['date'，'demand'，'price']）

（前两个参数的顺序互换）.熊猫们偷偷地改变，这样它就可以保持排行榜的首位：pThanks@heath raftery。我只是检查一下。你用的是什么版本的熊猫？谢谢@Heath Raftery。我的数据帧也是这样-但由于pandas 0.20稍旧，本例中的

set_axis

语法会抛出错误。因此，关键是

x.demand

而不仅仅是

x

在

np.average

@dreab是的，这让我沮丧了好几年——我最终升级到了最新版本（0.22.0），但当我在0.20时，我不得不使用

设置轴（1，['date'，'demand'，'price']）

（前两个参数的顺序互换）.熊猫们偷偷摸摸地做出改变，这样它就可以保持排行榜的首位：p