![](/img/trans.png)
[英]How to resample a dataframe in pandas and apply a weighted average?
[英]How to resample a Pandas dataframe of mixed type?
我使用以下 Python 代碼生成混合類型(浮點數和字符串)Pandas DataFrame df3:
df1 = pd.DataFrame(np.random.randn(dates.shape[0],2),index=dates,columns=list('AB'))
df1['C'] = 'A'
df1['D'] = 'Pickles'
df2 = pd.DataFrame(np.random.randn(dates.shape[0], 2),index=dates,columns=list('AB'))
df2['C'] = 'B'
df2['D'] = 'Ham'
df3 = pd.concat([df1, df2], axis=0)
當我將 df3 重新采樣到更高的頻率時,我沒有將幀重新采樣到更高的速率,但是 how 被忽略了,我只是得到了缺失值:
df4 = df3.groupby(['C']).resample('M', how={'A': 'mean', 'B': 'mean', 'D': 'ffill'})
df4.head()
結果:
B A D
C
A 2014-03-31 -0.4640906 -0.2435414 Pickles
2014-04-30 NaN NaN NaN
2014-05-31 NaN NaN NaN
2014-06-30 -0.5626360 0.6679614 Pickles
2014-07-31 NaN NaN NaN
當我將 df3 重新采樣到較低頻率時,我根本沒有得到任何重新采樣:
df5 = df3.groupby(['C']).resample('A', how={'A': np.mean, 'B': np.mean, 'D': 'ffill'})
df5.head()
結果:
B A D
C
A 2014-03-31 NaN NaN Pickles
2014-06-30 NaN NaN Pickles
2014-09-30 NaN NaN Pickles
2014-12-31 -0.7429617 -0.1065645 Pickles
2015-03-31 NaN NaN Pickles
我很確定這與混合類型有關,因為如果我僅使用數字列重做年度下采樣,一切都會按預期工作:
df5b = df3[['A', 'B', 'C']].groupby(['C']).resample('A', how={'A': np.mean, 'B': np.mean})
df5b.head()
結果:
B A
C
A 2014-12-31 -0.7429617 -0.1065645
2015-12-31 -0.6245030 -0.3101057
B 2014-12-31 0.4213621 -0.0708263
2015-12-31 -0.0607028 0.0110456
但即使我切換到數字類型,對更高頻率的重采樣仍然無法按我預期的那樣工作:
df4b = df3[['A', 'B', 'C']].groupby(['C']).resample('M', how={'A': 'mean', 'B': 'mean'})
df4b.head()
結果:
B A
C
A 2014-03-31 -0.4640906 -0.2435414
2014-04-30 NaN NaN
2014-05-31 NaN NaN
2014-06-30 -0.5626360 0.6679614
2014-07-31 NaN NaN
這給我留下了兩個問題:
即使您不能對這兩個部分都提供完整的答案,也可以提供部分解決方案或對任一問題的答案。
當從較低頻率重新采樣到較高頻率時,我意識到我在指定fill_method時指定了how 。 當我這樣做時,事情似乎有效。
df4c = df3.groupby(['C']).resample('M', fill_method='ffill')
df4c.head()
A B D
C
A 2014-03-31 -0.2435414 -0.4640906 Pickles
2014-04-30 -0.2435414 -0.4640906 Pickles
2014-05-31 -0.2435414 -0.4640906 Pickles
2014-06-30 0.6679614 -0.5626360 Pickles
2014-07-31 0.6679614 -0.5626360 Pickles
您獲得的插值選擇集要有限得多,但它確實可以處理混合類型。
當使用 no how選項(我相信它的默認含義)重新采樣到較低頻率時,下采樣確實有效:
df5c =df3.groupby(['C']).resample('A')
df5c.head()
A B
C
A 2014-12-31 -0.1065645 -0.7429617
2015-12-31 -0.3101057 -0.6245030
B 2014-12-31 -0.0708263 0.4213621
2015-12-31 0.0110456 -0.0607028
因此,問題似乎出在傳遞選項字典或其中一個選項的字典上,大概是ffill ,但我不確定。
resample
和agg
從pandas-1.0.0
開始, how
和fill_method
關鍵字不再存在。 此外, resample
方法現在返回一個Resampler
對象。
解決方案是使用與每一列關聯的函數或函數名稱來定義聚合規則。
df.resample(period).agg(aggregation_rule)
文檔中有關聚合規則的更多示例。
准備測試數據:
import numpy as np
import pandas as pd
dates = pd.date_range("2021-02-09", "2021-04-09", freq="1D")
df1 = pd.DataFrame(np.random.randn(dates.shape[0],2), index=dates, columns=list('AB'))
df1['C'] = 'A'
df1['D'] = 'Pickles'
df2 = pd.DataFrame(np.random.randn(dates.shape[0], 2), index=dates, columns=list('AB'))
df2['C'] = 'B'
df2['D'] = 'Ham'
df3 = pd.concat([df1, df2], axis=0)
print(df3)
輸出:
A B C D
2021-02-09 2.591285 2.455686 A Pickles
2021-02-10 0.753461 -0.072643 A Pickles
2021-02-11 -0.351667 -0.025511 A Pickles
2021-02-12 -0.896730 0.004512 A Pickles
2021-02-13 -0.493139 -0.770514 A Pickles
... ... ... .. ...
2021-04-05 1.615935 1.152517 B Ham
2021-04-06 -0.067654 -0.858186 B Ham
2021-04-07 0.085587 -0.848542 B Ham
2021-04-08 -0.371983 0.088441 B Ham
2021-04-09 0.681501 0.235328 B Ham
[120 rows x 4 columns]
每月重新取樣:
agg_rules = { "A": "mean", "B": "sum", "C": "first", "D": "last",}
df4 = df3.resample("M").agg(agg_rules)
print(df4)
輸出:
A B C D
2021-02-28 0.025987 3.886781 A Ham
2021-03-31 0.081423 -5.492928 A Ham
2021-04-30 0.239309 -3.344334 A Ham
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.