Python 如何对具有多个信号的数据帧进行重采样

我有一个熊猫数据帧，

df_phys

，结构如下面的示例所示。我想将所有信号（在本例中为

EngineSpeed

和

WheelBasedVehicleSpeed

）重新采样到1秒的频率。我可以通过一个信号一个信号的循环来实现，如下所示：

for signal, group in df_phys.groupby("Signal")["Physical Value"]:
            df_signal = group.to_frame()
            df_signal = df_signal.resample("1S").pad().dropna()

但是，我更喜欢对整个数据帧进行重采样（物理值为应重采样的值，而不是在逐个信号循环中进行重采样）。这有可能实现吗

---

df_phys数据结构（预重采样）

---

似乎您正在尝试使用

groupby

对数据重新采样。如果这是您的意图，您可以在将

时间戳

设置为索引时，简单地对

groupby

对象重新采样：

import pandas as pd
df_phys = pd.read_csv("test.txt", sep = ",", parse_dates=["TimeStamp"], index_col="TimeStamp")

df_res = df_phys.groupby("Signal").resample("1S").mean()

print(df_res)

样本输出：

                                                       CAN ID  ...  Physical Value
Signal                 TimeStamp                               ...                
EngineSpeed            2020-01-13 14:47:09+00:00  217056256.0  ...     1611.907895
                       2020-01-13 14:47:10+00:00  217056256.0  ...     1511.250000
WheelBasedVehicleSpeed 2020-01-13 14:47:09+00:00  419361024.0  ...       19.160156
                       2020-01-13 14:47:10+00:00  419361024.0  ...       20.398438

[4 rows x 5 columns]

---

似乎您正在尝试使用

groupby

对数据重新采样。如果这是您的意图，您可以在将

时间戳

设置为索引时，简单地对

groupby

对象重新采样：

import pandas as pd
df_phys = pd.read_csv("test.txt", sep = ",", parse_dates=["TimeStamp"], index_col="TimeStamp")

df_res = df_phys.groupby("Signal").resample("1S").mean()

print(df_res)

样本输出：

                                                       CAN ID  ...  Physical Value
Signal                 TimeStamp                               ...                
EngineSpeed            2020-01-13 14:47:09+00:00  217056256.0  ...     1611.907895
                       2020-01-13 14:47:10+00:00  217056256.0  ...     1511.250000
WheelBasedVehicleSpeed 2020-01-13 14:47:09+00:00  419361024.0  ...       19.160156
                       2020-01-13 14:47:10+00:00  419361024.0  ...       20.398438

[4 rows x 5 columns]