python - Python中是否有任何用于聚合秒级毫秒数据的函数?
问题描述
我正在研究一个问题集,其中数据以微秒为单位。到目前为止,我有 4 小时的数据。该数据集非常庞大,因为它包含微秒级数据。我想将每个微秒数据汇总到各自的秒数中,以便有助于分析。
例子:
Vibration1 Vibration2 Vibration3 Temperature Pressure Time
816 698 822 1852 710 2019-03-26 09:49:09.013650
702 690 764 2002 810 2019-03-26 09:49:09.014308
702 692 768 1888 706 2019-03-26 09:49:09.014680
696 690 704 2004 810 2019-03-26 09:49:09.015094
738 696 772 1990 710 2019-03-26 09:49:09.015682
834 692 704 2066 704 2019-03-26 09:49:09.016153
798 692 690 1892 722 2019-03-26 09:49:09.016520
696 722 708 2102 700 2019-03-26 09:49:09.016875
824 690 700 2058 718 2019-03-26 09:49:09.017213
692 702 694 2106 704 2019-03-26 09:49:09.017564
像这样,我在第 09 秒有很多行。我总共有 4 小时的数据。我应该如何用他们各自的秒和分钟按秒分组?
请帮我。
如果我groupby
使用秒数,它基本上用秒数对所有数据进行分组,而不管它的小时数、分钟数。
我已将索引设置为 DateTime 索引,然后我尝试使用此代码。它返回了大约 60 秒的数据聚合,与小时和分钟无关。
df.groupby(df.index.minute).mean()
解决方案
您可以更改“时间”列吗?
例子:
import pandas as pd
data = {
'dates': ['09:49:09.015682', '09:50:09.025682', '09:51:09.055682', '09:49:09.035682', '09:50:09.015682'],
'values': [ 1, 2, 3, 4, 5]
}
df = pd.DataFrame(data)
for i in df.index:
df['dates'][i] = df['dates'][i][:8]
print(df.groupby('dates').mean())
输出:
values
dates
09:49:09 2.5
09:50:09 3.5
09:51:09 3.0
推荐阅读
- react-native - React Native Expo 实时聊天功能
- java - JSONArrayRequest 没有响应或错误响应
- cmake - 完成 protobuf_generate 后运行命令
- python - Matplotlib fontproperties 仅更改第一个轴刻度
- android - Android AlarmManager 通过时区或夏令时进行调度
- blazor - 从动态创建的 Blazor 组件订阅事件,以便调用页面可以执行某些操作
- python - 使用小型 ConvLSTM 模型获取 OOM
- kubernetes - Kubernetes 指标服务器 API
- apache-kafka - 一分钟聚合窗口在 Kafka 2.4.0 中给出了意想不到的结果
- python - 等到元素中的文本被更改