拆分日期时间、python、pandas

很抱歉，我对stackoverflow的问题不太熟悉，所以我不知道如何正确格式化

所以我得到了一个包含datetime列的Pandas数据框，该列包含日期和时间，以及一个包含某种值的关联列。给定的日期和时间按小时递增。我希望操纵数据帧，使其每15分钟递增一次，但保留相同的值。我该怎么做？谢谢

我试过：

df=df.asfreq（'15Min'，方法='ffill'）

但我有一个错误：

“TypeError:无法将类型'Timestamp'与类型'long'进行比较”

当前数据帧：

datetime     value  
00:00:00     1  
01:00:00     2

datetime     value  
00:00:00     1  
00:15:00     1  
00:30:00     1  
00:45:00     1  
01:00:00     2    
01:15:00     2  
01:30:00     2  
01:45:00     2    

新数据帧：

datetime     value  
00:00:00     1  
01:00:00     2

datetime     value  
00:00:00     1  
00:15:00     1  
00:30:00     1  
00:45:00     1  
01:00:00     2    
01:15:00     2  
01:30:00     2  
01:45:00     2    

更新：
下面批准的答案是有效的，但我在上面尝试的初始代码也是有效的

df=df.asfreq（'15Min'，方法='ffill'）

。我在处理其他数据帧时遇到了一些空值问题，所以我用fillna语句处理了这些问题，一切都正常了。

您可以使用，但需要手动添加最后一个值才能更正：

具有相同问题的另一个解决方案-需要追加新值才能正确追加最后一个值：

df['datetime'] = pd.to_timedelta(df['datetime'])
df = df.set_index('datetime')
df.loc[df.index.max() + pd.Timedelta(1, unit='h')] = 1

df = df.resample('15Min').ffill().iloc[:-1]
print (df)
          value
datetime       
00:00:00      1
00:15:00      1
00:30:00      1
00:45:00      1
01:00:00      2
01:15:00      2
01:30:00      2
01:45:00      2

但如果值是datetime：

print (df)
              datetime  value
0  2018-01-01 00:00:00      1
1  2018-01-01 01:00:00      2

df['datetime'] = pd.to_datetime(df['datetime'])
df = df.set_index('datetime')
tr = pd.date_range(df.index.min(), 
                   df.index.max() + pd.Timedelta(45*60, unit='s'), freq='15Min')
df = df.reindex(tr, method='ffill')

---

---

您可以使用pandas.daterange

pd.date_range('00:00:00', '01:00:00', freq='15T')

---

对不起，这个问题对我来说不够清楚。“让他们增加”是什么意思？你想把行分成更小的单位吗？是的，我试过df=df.asfreq（'15Min'，method='ffill'）。但是我得到一个“TypeError:无法将类型'Timestamp'与类型'long'进行比较”@ts初学者-什么是

print（df.info（））

？datetime是datetime64[ns]，值是float64@tsbeginner-我问了一些不同的问题，

print（df.info（））

返回更多信息，因为

datetime是datetime64[ns]值为float64

我得到以下错误：TypeError:不支持+：'numpy.int64'和'Timedelta'的操作数类型。如果我的值是datetime。@TS初学者-请检查下面的注释。@TS初学者-似乎需要检查答案的最后两段，主要是不要忘记

df=df.set_index（'datetime'）

Ok，那么在

df=df.set_index（'datetime'）

什么是

print（df.index）

？与之前一样，datetime为datetime64，值为float64