Python 如何使用熊猫按10分钟对时间序列进行分组？

将时间序列（ts）按DatatimeIndex编制索引，并按10分钟对其进行分组

index   x  y  z

ts1     ....
ts2     ....
...

我知道如何按1分钟分组

def group_by_minute(timestamp):
    year = timestamp.year
    month = timestamp.month
    day = timestamp.day
    hour = timestamp.hour
    minute = timestamp.minute
    return datetime.datetime(year, month, day, hour, minute)

然后

我的定制功能（大致）

因此ts数据帧应该明确包含“纬度”和“经度”列

使用TimeGrouper时

   ts.groupby(pd.TimeGrouper(freq='100min')).apply(my_function)

我犯了以下错误

TypeError: cannot concatenate a non-NDFrame object

---

对于这类事情，有一个

pandas.timegropper

，您描述的是这样的事情：

agg_10m = df.groupby(pd.TimeGrouper(freq='10Min')).aggregate(numpy.sum) #or other function

---

我知道这很古老，但pd.gropper（）也可以实现这一点：

agg_10m = df.groupby(pd.Grouper(freq='10Min')).aggregate(numpy.sum)

---

您是否尝试过重新采样？例如，

df.重采样（'1min'，'mean'）

doing@JoeCondron我正在应用自定义函数和应用函数。在我看来，即使有一年的时间间隔，重采样或TimeGrouper也会自动填补空白。有没有办法防止这种情况发生？非常感谢，您可以传递自定义函数，如：

df.resample（'10min'，how=my_func）

。除非你告诉它，否则它不会填补空白。也许你应该发布你想要传递的函数和期望的输出。或者，您可以将函数的最后一行调整为

minute=10*（minute/10）

@JoeCondron谢谢您的建议。我已经切换到重采样，它几乎可以工作。仅重采样获取df的第一列，它是否同时应用于df的多个列？我将重新编辑我的函数，使之成为问题。thx againthx用于响应。看起来pd.timegropper确实存在，但是这里没有记录，哦，你是对的。永远不要注意它是未记录的。通过应用TimeGrouperTimeGrouper获取一个“TypeError:无法连接非NDFrame对象”。TimeGrouper有点记录在案——它在烹饪书中，这很奇怪，但似乎没有超出这一范围。是时间分组的标准方法；这会创建一个TimeGrouper，它不是公开的，因为旧的已经不推荐了。

agg_10m = df.groupby(pd.TimeGrouper(freq='10Min')).aggregate(numpy.sum) #or other function

agg_10m = df.groupby(pd.Grouper(freq='10Min')).aggregate(numpy.sum)