Pandas将时间序列数据重新采样到15分钟和45分钟 - 使用多索引或列

Question

我有一些时间序列数据作为Pandas数据帧，从一小时后15分钟和过去45分钟（30分钟的时间间隔）开始观察，然后将频率改变为每分钟。 我想对数据进行重新采样，使其在整个数据帧的每小时30分钟，15小时和45小时的常规频率。

我想到了实现这个目标的两种方法。
1.使用时间序列数据作为数据帧中的列，只需在15分钟和45分钟时过滤所有观测值的数据帧。
2.重新设置索引，使时间序列数据成为多指标的一部分（索引的第0级是气象站，第1级是观察时间）并使用熊猫日期时间序列功能，如resample() 。

原始数据帧，天气，如下所示：

                  parsed_time           Pressure  Temp    Hum
Station   (index)   
Bow       1        2018-04-15 14:15:00   1012     20.0    87
          2        2018-04-15 14:45:00   1013     20.0    87
          3        2018-04-15 15:15:00   1012     21.0    87
          4        2018-04-15 15:45:00   1014     22.0    86
          5        2018-04-15 16:00:00   1015     22.0    86
          6        2018-04-15 16:01:00   1012     25.0    86
          7        2018-04-15 16:02:00   1012     25.0    86
Stratford 8        2018-04-15 14:15:00   1011     18.0    87
          9        2018-04-15 14:45:00   1011     18.0    87
          10       2018-04-15 15:15:00   1012     18.0    87
          11       2018-04-15 15:45:00   1014     19.0    86
          12       2018-04-15 16:00:00   1014     19.0    86
          13       2018-04-15 16:01:00   1015     19.0    86
          14       2018-04-15 16:02:00   1016     20.0    86
          15       2018-04-15 16:04:00   1016     20.0    86

使用方法1，我遇到的问题是我的布尔选择操作似乎没有按预期工作。 例如

weather_test = weather[weather['parsed_time'].dt.minute == (15 & 45)]

给出parsed_time值，如下所示：

2018-04-15 14:13:00
2018-04-15 15:13:00

weather_test = weather[weather['parsed_time'].dt.minute == (15 | 45)]

结果是parsed_time值，如下所示：

2018-04-15 14:47:00
2018-04-15 14:47:00

我在文档中找不到任何解释这种行为的东西。 我想要的是在下列时间站的压力，温度，湿度：

2018-04-15 14:45:00    
2018-04-15 15:15:00  
2018-04-15 15:45:00
2018-04-15 16:15:00

等等。

使用方法2，我想重新采样数据，以便我将每分钟数据的观察值替换为前30分钟的平均值。 只有当parsed_time列是索引的一部分时，此功能似乎才有效，因此我使用以下代码将parsed_time设置为多索引的一部分：

weather.set_index('parsed_time', append=True, inplace=True)
weather.index.set_names('station', level=0, inplace=True)
weather = weather.reset_index(level=1, drop=True)

最终得到一个如下所示的数据框：

                                  Pressure   Temp    Hum
Station    parsed_time
Bow            2018-04-15 14:15:00    1012       20.0    87
           2018-04-15 14:45:00    1013       20.0    87
           2018-04-15 15:15:00    1012       21.0    87
           2018-04-15 15:45:00    1014       22.0    86
           2018-04-15 16:00:00    1015       22.0    86
           2018-04-15 16:01:00    1012       25.0    86
           2018-04-15 16:02:00    1012       25.0    86
Stratford  2018-04-15 14:15:00    1011       18.0    87
           2018-04-15 14:45:00    1011       18.0    87
           2018-04-15 15:15:00    1012       18.0    87
           2018-04-15 15:45:00    1014       19.0    86
           2018-04-15 16:00:00    1014       19.0    86
           2018-04-15 16:01:00    1015       19.0    86
           2018-04-15 16:02:00    1016       20.0    86
           2018-04-15 16:04:00    1016       20.0    86

请注意，观测结果的变化时间为每30分钟：15过去和过去45分钟到每分钟（例如：01，：02，：14等），并且它也因站而异 - 并非所有站都有每次观察。

我试过这个：

weather_test = weather.resample('30min', level=1).mean()

但是这个重新采样没有偏移，也摆脱了多索引中的站级别。

期望的结果是：

                              Pressure   Temp    Hum
Station    parsed_time
Bow            2018-04-15 14:15:00    1012       20.0    87
           2018-04-15 14:45:00    1013       20.0    87
           2018-04-15 15:15:00    1012       21.0    87
           2018-04-15 15:45:00    1014       22.0    86
           2018-04-15 16:15:00    1013       24.0    86
Stratford  2018-04-15 14:15:00    1011       18.0    87
           2018-04-15 14:45:00    1011       18.0    87
           2018-04-15 15:15:00    1012       18.0    87
           2018-04-15 15:45:00    1014       19.0    86
           2018-04-15 16:15:00    1015       19.5    86

其中每分钟的观察结果被重新采样为30分钟间隔的平均值：15和45小时。

将站点保持在多指标中的水平是至关重要的。 我不能将时间索引用作索引，因为每个站的值都重复（并且不是唯一的）。

所有的帮助表示赞赏，因为我已经在这个圈子里转了一会儿。 谢谢！

我已经看了很多以前的帖子，包括： 在Python中使用数据框上的时间戳值的布尔过滤器
如何将日期时间列舍入到最接近的四分之一小时
和： 使用包含时间序列的多索引对pandas数据帧进行重新采样 ，对于应该非常简单的事情看起来有点复杂......

和文档： http ： //pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.resample.html谢谢！

Answer 1

从您的第二个最后一个数据帧开始（在使用weather.reset_index(Station, inplace=True) ）：

                           Station  Pressure  Temp   Hum
parsed_time                                         
2018-04-15 14:15:00        Bow    1012.0  20.0  87.0
2018-04-15 14:45:00        Bow    1013.0  20.0  87.0
2018-04-15 15:15:00        Bow    1012.0  21.0  87.0
2018-04-15 15:45:00        Bow    1014.0  22.0  86.0
2018-04-15 16:00:00        Bow    1015.0  22.0  86.0
2018-04-15 16:01:00        Bow    1012.0  25.0  86.0
2018-04-15 16:02:00        Bow    1012.0  25.0  86.0
2018-04-15 14:15:00  Stratford    1011.0  18.0  87.0
2018-04-15 14:45:00  Stratford    1011.0  18.0  87.0
2018-04-15 15:15:00  Stratford    1012.0  18.0  87.0
2018-04-15 15:45:00  Stratford    1014.0  19.0  86.0
2018-04-15 16:00:00  Stratford    1014.0  19.0  86.0
2018-04-15 16:01:00  Stratford    1015.0  19.0  86.0
2018-04-15 16:02:00  Stratford    1016.0  20.0  86.0
2018-04-15 16:04:00  Stratford    1016.0  20.0  86.0

你可以使用groupby和resample的组合：

res = weather.groupby('Station').resample('30min').mean().reset_index('Station')

默认情况下， resample选择bin间隔[16:00, 16:30)和[16:30, 17:00) 。 正如您已经注意到的那样，时间索引是重新采样的，没有偏移量，但您可以使用DateOffset将其添加回来：

res.index = res.index + pd.DateOffset(minutes=15)

产量：

                           Station  Pressure  Temp   Hum
parsed_time                                         
2018-04-15 14:15:00        Bow   1012.00  20.0  87.0
2018-04-15 14:45:00        Bow   1013.00  20.0  87.0
2018-04-15 15:15:00        Bow   1012.00  21.0  87.0
2018-04-15 15:45:00        Bow   1014.00  22.0  86.0
2018-04-15 16:15:00        Bow   1013.00  24.0  86.0
2018-04-15 14:15:00  Stratford   1011.00  18.0  87.0
2018-04-15 14:45:00  Stratford   1011.00  18.0  87.0
2018-04-15 15:15:00  Stratford   1012.00  18.0  87.0
2018-04-15 15:45:00  Stratford   1014.00  19.0  86.0
2018-04-15 16:15:00  Stratford   1015.25  19.5  86.0

或者，您可以直接在resample方法中指定偏移量：

weather.groupby('Station').resample('30min', loffset=pd.Timedelta('15min')).mean()

Answer 2

我没有您的数据，因此我无法直接检查这些数据，但请尝试以下语法作为选项1的选项：

weather_test = weather[(weather['parsed_time'].dt.minute == 15) | (weather['parsed_time'].dt.minute == 45)]

Answer 3

如果您在没有任何索引的情况下开始（行索引除外），则可以执行以下操作：

# Create a rounded timestamp
df['parsed_time_rounded'] = (df['parsed_time'] - pd.Timedelta('15min')).dt.round('30min') + pd.Timedelta('15min')
# Group by the station, and the rounded timestamp instead of the raw timestamp
df.groupby(['Station', 'parsed_time_rounded']).mean()