Python Timeseries数据集将数据拆分为大小相等的块
我有预测股票市场价格的时间序列数据集,格式为:2015-2019年的日期和带有浮动值的时间步长t1-t300Python Timeseries数据集将数据拆分为大小相等的块,python,pandas,Python,Pandas,我有预测股票市场价格的时间序列数据集,格式为:2015-2019年的日期和带有浮动值的时间步长t1-t300 Date t1 t2 t3 t4 ... t300 01-01-2019 -0.34 0.40 0.50 1.2 02-01-2019 0.45 0.56 0.34 0.45 ... 我想将每一行分割成相等的数据块(50个时间步),并将其附加到数组中 预期数组,t1-t50表示t1、t2、t3、t4到t50的值,依此类推 [
Date t1 t2 t3 t4 ... t300
01-01-2019 -0.34 0.40 0.50 1.2
02-01-2019 0.45 0.56 0.34 0.45
...
我想将每一行分割成相等的数据块(50个时间步),并将其附加到数组中
预期数组,t1-t50表示t1、t2、t3、t4到t50的值,依此类推
[
[[t1-t50],[t50-t100],[t100-t150],[t150-t200],[t200-t250],[t250-t300] ],
[[t1-t50],[t50-t100],[t100-t150],[t150-t200],[t200-t250],[t250-t300] ],
...
]
提前感谢。IIUC,您需要在轴=1上拆分df,使用: 添加一个示例:
df=pd.DataFrame(np.arange(0,30).reshape(5,6))
print(df)
基于上述df,如果我想将每行拆分为3个值:
np.split(df.values,df.shape[1]/3,axis=1)
IIUC,您需要在轴=1上拆分df,使用: 添加一个示例:
df=pd.DataFrame(np.arange(0,30).reshape(5,6))
print(df)
基于上述df,如果我想将每行拆分为3个值:
np.split(df.values,df.shape[1]/3,axis=1)
请提供您的数据集的清晰示例,以及您希望实现的结果的清晰示例。谢谢@现在没事了吗?事实上,没有。
[t1-t50]
是什么意思?是减法吗?这是一个区间吗?@请说出t1-t50
等的值。然后,这是一个减法吗?请提供一个清晰的数据集示例和一个清晰的结果示例。谢谢@现在没事了吗?事实上,没有。[t1-t50]
是什么意思?是减法吗?它是一个区间吗?@句子是t1-t50等的值。那么,它是一个减法吗?
[array([[ 0, 1, 2],
[ 6, 7, 8],
[12, 13, 14],
[18, 19, 20],
[24, 25, 26]]), array([[ 3, 4, 5],
[ 9, 10, 11],
[15, 16, 17],
[21, 22, 23],
[27, 28, 29]])]