具有不規則時間序列的groupby之后的熊貓數據幀過濾

Question

我有一個帶有時間戳的時間序列的DataFrame，如下所示：

timestamp              A       B    
2018-11-12 14:03:53  9.45     501.0
2018-11-12 14:03:58  73.8     108.0
2018-11-12 14:04:09  4.25     215.0
2018-11-12 14:04:19  62.39    551.0
2018-11-12 14:04:29  15.98    113.0

我想基於此數據的bin進行一些匯總，例如：

df.groupby(pd.Grouper(freq='30Min')).apply(custom_agg)

但是，問題在於此分組程序或serialize創建了連續范圍的bin，但是我的數據每天都被限制在某些小時內（例如，在14.00之后）。 這使我有大量沒有數據的組：

2018-11-13 00:00:00    NaN    NaN        0.0
2018-11-13 00:30:00    NaN    NaN        0.0
2018-11-13 01:00:00    NaN    NaN        0.0
2018-11-13 01:30:00    NaN    NaN        0.0
2018-11-13 02:00:00    NaN    NaN        0.0
2018-11-13 02:30:00    NaN    NaN        0.0
2018-11-13 03:00:00    NaN    NaN        0.0

我想過濾掉這些。 使用df.filter()沒什么用，因為問題不在於原始行，而在於組。

我嘗試使用apply ： df.groupby(pd.Grouper(freq='30Min')).apply(lambda x: x[x.index.min().hour >= 14]) ，但是出現KeyError: True 。 （旁白，為什么這不起作用？）

在應用groupby 之后，在涉及分組的給定條件集合中篩選DataFrame的最佳方法是什么？

Answer 1

嘗試使用.dt.floor ：

df.groupby(df['timestamp'].dt.floor('30Min')).apply(custom_agg)