python - 将行复制并附加到数据框中，并将时间戳列增加一分钟

Question

这是我拥有的数据框：

df = pd.DataFrame([[pd.Timestamp(2017, 1, 1, 12, 32, 0), 2, 3], 
               [pd.Timestamp(2017, 1, 2, 12, 32, 0), 4, 9]], 
               columns=['time', 'feature1', 'feature2'])

对于 df 中找到的每个时间戳值（即“时间”列的每个值），我需要再追加5 行，每行的时间列值连续增加一分钟，而其余列值将是照原样复制。

所以输出看起来像：

time                  feature1   feature2
2017-01-01 12:32:00   2          3
2017-01-01 12:33:00   2          3
2017-01-01 12:34:00   2          3 
2017-01-01 12:35:00   2          3
2017-01-01 12:36:00   2          3
2017-01-01 12:37:00   2          3
2017-01-02 12:32:00   4          9
2017-01-02 12:33:00   4          9
2017-01-02 12:34:00   4          9
2017-01-02 12:35:00   4          9
2017-01-02 12:36:00   4          9
2017-01-02 12:37:00   4          9

作为一个优雅的解决方案，我使用了 df.asfreq('1min') 函数。但我不能告诉它在追加 5 行后停止！相反，它将继续以 1 分钟的增量追加行，直到达到下一个时间戳！

我在 python 中尝试了旧的 for 循环，正如预期的那样，它非常耗时（我正在处理 1000 万行）

我希望对此有一个优雅的解决方案？使用诸如“df.asfreq('1min')”之类的函数但在附加 5 行后具有停止条件的东西。

欢迎任何想法！

标签： pythonpandaspandas-resample

Answer 1

您可以重复 df 然后使用 cumcount 进行 groupby 并添加如下所示的分钟数：

out = df.loc[df.index.repeat(6)]
out['time'] = out['time'] + pd.to_timedelta(out.groupby("time").cumcount(),unit='m')

---

print(out)

                  time  feature1  feature2
0  2017-01-01 12:32:00         2         3
1  2017-01-01 12:33:00         2         3
2  2017-01-01 12:34:00         2         3
3  2017-01-01 12:35:00         2         3
4  2017-01-01 12:36:00         2         3
5  2017-01-01 12:37:00         2         3
6  2017-01-02 12:32:00         4         9
7  2017-01-02 12:33:00         4         9
8  2017-01-02 12:34:00         4         9
9  2017-01-02 12:35:00         4         9
10 2017-01-02 12:36:00         4         9
11 2017-01-02 12:37:00         4         9