最常用的值是使用pandas.DataFrame.resample

Question

我正在使用pandas.DataFrame.resample来重新采样带有时间戳索引的分组Pandas dataframe 。

在其中一列中，我想重新采样，以便选择最常用的值。 目前，我只是成功使用np.max或np.sum等NumPy函数。

#generate test dataframe
data = np.random.randint(0,10,(366,2))
index = pd.date_range(start=pd.Timestamp('1-Dec-2012'), periods=366, unit='D')
test = pd.DataFrame(data, index=index)

#generate group array
group =  np.random.randint(0,2,(366,))

#define how dictionary for resample
how_dict = {0: np.max, 1: np.min}

#perform grouping and resample
test.groupby(group).resample('48 h',how=how_dict)

之前的代码有效，因为我使用了NumPy函数。 但是，如果我想以最常见的价值使用重新采样，我不确定。 我尝试定义一个自定义函数

def frequent(x):
    (value, counts) = np.unique(x, return_counts=True)
    return value[counts.argmax()]

但是，如果我现在这样做：

how_dict = {0: np.max, 1: frequent}

我得到一个空的数据帧......

df = test.groupby(group).resample('48 h',how=how_dict)
df.shape

Answer 1

您的重新采样周期太短，因此当一个组在一段时间内为空时，您的用户函数会引发一个不会被pandas捕获的ValueError。

但它没有空组，例如使用常规组：

In [8]: test.groupby(arange(366)%2).resample('48h',how=how_dict).head()
Out[8]: 
              0  1
0 2012-12-01  4  8
  2012-12-03  0  3
  2012-12-05  9  5
  2012-12-07  3  4
  2012-12-09  7  3

或者更长的时期：

In [9]: test.groupby(group).resample('122D',how=how_dict)
Out[9]: 
              0  1
0 2012-12-02  9  0
  2013-04-03  9  0
  2013-08-03  9  6
1 2012-12-01  9  3
  2013-04-02  9  7
  2013-08-02  9  1

编辑

解决方法可以是管理空案例：

def frequent(x):
    if len(x)==0 : return -1
    (value, counts) = np.unique(x, return_counts=True)
    return value[counts.argmax()]

对于

In [11]: test.groupby(group).resample('48h',how=how_dict).head()
Out[11]: 
               0  1
0 2012-12-01   5  3
  2012-12-03   3  4
  2012-12-05 NaN -1
  2012-12-07   5  0
  2012-12-09   1  4