时间戳

首页 > 解决方案 > 基于 DatetimeIndex 变量对 Pandas 数据框进行重采样

python - 基于 DatetimeIndex 变量对 Pandas 数据框进行重采样

问题描述

我有一个带有日期索引的数据框：

           Symbol  Shares  Price  Commission
Date                                        
2017-12-06    BNP       0      0        10.0
2018-10-09    BNP       0      0        10.0

和一个单独的 DatetimeIndex 变量：

DatetimeIndex(['2014-02-14', '2014-02-15', '2014-02-16', '2014-02-17',
               ...
               '2020-04-11', '2020-04-12'],
              dtype='datetime64[ns]', length=2250, freq='D')

我正在尝试根据该变量重新采样数据框。有什么办法吗？我知道，pandas.DataFrame.resample但它似乎只能用于“定期”重采样（即每天、每周等）

我是 python 的新手，从 MATLAB 迁移。

谢谢！

标签： pythonpandasdataframeresampling

解决方案

这取决于你想怎么做，请检查： http: //pandas-docs.github.io/pandas-docs-travis/user_guide/timeseries.html

但是，Series 和 DataFrame 也可以直接支持时间组件作为数据本身。

我只举一些例子：

rng = pd.date_range('1/1/2012', periods=100, freq='S')
ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)
ts.resample('W-MON')

idx = pd.date_range('2018-01-01', periods=5, freq='H')
ts = pd.Series(range(len(idx)), index=idx)
Output: 
2018-01-01 00:00:00    0
2018-01-01 01:00:00    1
2018-01-01 02:00:00    2
2018-01-01 03:00:00    3
2018-01-01 04:00:00    4

pd.Series(range(3), index=pd.date_range('2000', freq='D', periods=3))
Output: 
2000-01-01    0
2000-01-02    1
2000-01-03    2

pd.Series(pd.period_range('1/1/2011', freq='M', periods=3))
Output: 
0   2000-01-01
1   2000-01-02
2   2000-01-03

推荐阅读