Python 10分钟样品中的料仓

我有一个由以下列组成的熊猫数据框架

col1, col2, _time

col1 col2 since until count

\u time

列是该行在时间上出现的日期时间对象

我想在10分钟内对我的数据帧按两列进行重采样，并聚合每10分钟内发生的每个组的行数。我希望生成的数据帧具有以下列

col1, col2, _time

col1 col2 since until count

其中

since

是每10分钟时间段的开始

直到

每10分钟时间段的结束，并计算在初始数据帧上找到的行数，如

col1  col2          since                  until         count
1      1       08/12/2017 12:00      08/12/2017 12:10       10
1      2       08/12/2017 12:00      08/12/2017 12:10        5
1      1       08/12/2017 12:10      08/12/2017 12:20        3

---

数据帧的重采样方法是否可能实现这一点？

我以前也一直在研究重采样方法，但没有任何效果。 幸运的是，我找到了一个解决方案使用

用于将时间戳与10分钟间隔对齐

在groupby中使用生成的对象（或者，可以选择将其指定给源数据中的列，然后使用该列）

用于从

自

列计算

至

列

比如说,

import pandas as pd

interval = '10min'  # 10 minutes intervals, please

# Dummy data with 3-minute intervals
data = pd.DataFrame({
    'col1': [0, 0, 1, 0, 0, 0, 1, 0, 1, 1], 
    'col2': [4, 4, 4, 3, 4, 4, 3, 3, 4, 4], 
    '_time': pd.date_range(start='2010-01-01 00:01:00', freq='3min', periods=10),
})

# Floor the timestamps to your desired interval
since = data['_time'].dt.floor(interval).rename('since')

# Get the size of each group - groups are in the index of `agg`
agg = data.groupby(['col1', 'col2', since]).size()
agg = agg.rename('count')

# Back to dataframe
agg = agg.reset_index()

# Simply add your interval to `since`
agg['until'] = agg['since'] + pd.to_timedelta(interval)

print(agg)

   col1  col2               since  count               until
0     0     3 2010-01-01 00:10:00      1 2010-01-01 00:20:00
1     0     3 2010-01-01 00:20:00      1 2010-01-01 00:30:00
2     0     4 2010-01-01 00:00:00      2 2010-01-01 00:10:00
3     0     4 2010-01-01 00:10:00      2 2010-01-01 00:20:00
4     1     3 2010-01-01 00:10:00      1 2010-01-01 00:20:00
5     1     4 2010-01-01 00:00:00      1 2010-01-01 00:10:00
6     1     4 2010-01-01 00:20:00      2 2010-01-01 00:30:00

---

如果您仍在寻找答案，此示例可能在某些方面对您有所帮助

import pandas as pd
import numpy as np
import datetime

# create some random data
df = pd.DataFrame(columns=["col1","col2","timestamp"])
df.col1 = np.random.randint(100, size = 10)
df.col2 = np.random.randint(100, size = 10)
df.timestamp = [datetime.datetime(2000,1,1) + \
            datetime.timedelta(hours=int(i)) for i in np.random.randint(100, size = 10)]

# sort data by timestamp and reset index
df = df.sort_values(by="timestamp").reset_index(drop=True)

# create the bins by taking last first time and last time with freq 6h
bins = pd.date_range(start=df.timestamp.values[0],end=df.timestamp.values[-1], freq="6h") # change to reasonable freq (d, h, m, s) 
# zip them to pairs
startend =  list(zip(bins, bins.shift(1)))

# define a function that finds bin index
def time_in_range(x):
    """Return true if x is in the range [start, end]"""
    for ind,(start,end) in enumerate(startend):
        if start <= x <= end:
            return ind


# Add bin index to column named index
df['index'] = df.timestamp.apply(time_in_range)
# groupby index to find sum and count
df = df.groupby('index')["col1","col2"].agg(['sum','count']).reset_index()


# Create output df2 (with bins)        
df2 = pd.DataFrame(startend, columns=["start","end"]).reset_index()

# Join the two dataframes with column index
df3 =pd.merge(df2, df, how='outer', on='index').fillna(0)

# Final adjustments
df3.columns = ["index","start","end","col1","delete","col2","count"]
df3.drop(['delete','index'], axis=1, inplace=True)

将熊猫作为pd导入
将numpy作为np导入
导入日期时间
#创建一些随机数据
df=pd.DataFrame（列=[“col1”、“col2”、“timestamp”]）
df.col1=np.random.randint（100，大小=10）
df.col2=np.random.randint（100，大小=10）
df.timestamp=[datetime.datetime（2000,1,1）+\
np.random.randint（100，size=10）中i的datetime.timedelta（小时=int（i））]
#按时间戳和重置索引对数据进行排序
df=df.sort_值（by=“timestamp”）.reset_索引（drop=True）
#通过使用freq 6h记录最后一次和最后一次来创建垃圾箱
bins=pd.date_范围（开始=df.timestamp.values[0]，结束=df.timestamp.values[-1]，freq=“6h”）#更改为合理的频率（d，h，m，s）
#把它们拉成一对
startend=list（zip（箱子，箱子.移位（1）））
#定义一个查找bin索引的函数
def time_在_范围内（x）：
“”“如果x在范围[start，end]内，则返回true”“”
对于枚举（startend）中的ind（开始、结束）：
如果开始，您可以提供初始样本数据吗？