时间戳

首页 > 解决方案 > 将一年的数据框转换为 365 列的数据框（按天计算）

python-3.x - 将一年的数据框转换为 365 列的数据框（按天计算）

问题描述

我有一个时间间隔为 5 分钟的数据框。然而，所有的间隔都不存在。例子：

Date                Value_1
...
2019-01-01 15:30:00 2.4866
2019-01-01 15:35:00 2.703
2019-01-01 15:40:00 0.0
2019-01-02 09:05:00 8.3087
2019-01-02 09:10:00 7.5134
2019-01-02 09:15:00 6.637
...

我想知道是否有一种简单的方法或一个函数（我没有找到任何东西）来拥有一个仅基于时间的 288 个间隔的数据帧

00:00:00
00:05:00
00:10:00
...
23:50:00
23:55:00

其中每一列是一天（一年 365）。最后我想用前一个填充这个数据框。如果没有可用数据，它可能是 nan 或 0。

谢谢你。

编辑：更改初始数据框以按日期仅考虑一个值

标签： python-3.xpandasdataframegroupingslice

解决方案

您可以set_index仅使用time来自日期时间列的第一级和date同一列的第二级来执行此操作。然后unstack：

#sample dataframe
np.random.seed(1)
drange = pd.date_range('2019-01-01 09:30:00', freq='5T', periods=5)
df = pd.DataFrame({'datetime': drange.tolist() + (drange+pd.DateOffset(days=1)).tolist(),
                   'Value_1':np.random.randint(10, size=10),})
print (df)
             datetime  Value_1
0 2019-01-01 09:30:00        5
1 2019-01-01 09:35:00        8
2 2019-01-01 09:40:00        9
3 2019-01-01 09:45:00        5
4 2019-01-01 09:50:00        0
5 2019-01-02 09:30:00        0
6 2019-01-02 09:35:00        1
7 2019-01-02 09:40:00        7
8 2019-01-02 09:45:00        6
9 2019-01-02 09:50:00        9

# set_index and unstack
df_f = df.set_index([df['datetime'].dt.time, 
                     df['datetime'].dt.date])['Value_1']\
         .unstack()
print (df_f)
datetime  2019-01-01  2019-01-02
datetime                        
09:30:00           5           0
09:35:00           8           1
09:40:00           9           7
09:45:00           5           6
09:50:00           0           9

然后，如果您想在索引中创建所有 5 分钟并在列中创建每一天，您可以使用reindexand ffill：

df_f = df_f.reindex(index=pd.date_range('2019-01-01 00:00:00', 
                                        freq='5T', periods=288).time, 
                    columns=pd.date_range('2019-01-01', 
                                          freq='D', periods=365).date)\
           .ffill()

推荐阅读