重采樣 pandas 中的 boolean 值

Question

我遇到了一個屬性，我發現在pandas中重新采樣布爾值很奇怪。 以下是一些時間序列數據：

import pandas as pd
import numpy as np

dr = pd.date_range('01-01-2020 5:00', periods=10, freq='H')
df = pd.DataFrame({'Bools':[True,True,False,False,False,True,True,np.nan,np.nan,False],
                   "Nums":range(10)},
                  index=dr)

所以數據看起來像：

                     Bools  Nums
2020-01-01 05:00:00   True     0
2020-01-01 06:00:00   True     1
2020-01-01 07:00:00  False     2
2020-01-01 08:00:00  False     3
2020-01-01 09:00:00  False     4
2020-01-01 10:00:00   True     5
2020-01-01 11:00:00   True     6
2020-01-01 12:00:00    NaN     7
2020-01-01 13:00:00    NaN     8
2020-01-01 14:00:00  False     9

我原以為我可以在重采樣時對 boolean 列執行簡單的操作（如求和），但是（原樣）這失敗了：

>>> df.resample('5H').sum()

                    Nums
2020-01-01 05:00:00    10
2020-01-01 10:00:00    35

“布爾”列被刪除。 我對為什么會發生這種情況的印象是 b/c 列的dtype是object 。 更改以解決問題：

>>> r = df.resample('5H')
>>> copy = df.copy() #just doing this to preserve df for the example
>>> copy['Bools'] = copy['Bools'].astype(float)
>>> copy.resample('5H').sum()

                     Bools  Nums
2020-01-01 05:00:00    2.0    10
2020-01-01 10:00:00    2.0    35

但是（奇怪的是）您仍然可以通過索引重采樣 object 而不更改dtype來對布爾值求和：

>>> r = df.resample('5H')
>>> r['Bools'].sum()

2020-01-01 05:00:00    2
2020-01-01 10:00:00    2
Freq: 5H, Name: Bools, dtype: int64

而且，如果唯一的列是布爾值，您仍然可以重新采樣（盡管該列仍然是object ）：

>>> df.drop(['Nums'],axis=1).resample('5H').sum()

                    Bools
2020-01-01 05:00:00      2
2020-01-01 10:00:00      2

是什么讓后兩個示例起作用？ 我可以看到它們可能更明確一點（ “拜托，我真的想重新采樣此列！” ），但我不明白為什么如果可以完成原始resample不允許該操作。

Answer 1

好吧，追蹤表明：

df.resample('5H')['Bools'].sum == Groupby.sum (in pd.core.groupby.generic.SeriesGroupBy)

df.resample('5H').sum == sum (in pandas.core.resample.DatetimeIndexResampler)

並且在groupby.py中跟蹤groupby_function表明它相當於r.agg(lambda x: np.sum(x, axis=r.axis))其中r = df.resample('5H')輸出：

                     Bools  Nums  Nums2
2020-01-01 05:00:00      2    10     10
2020-01-01 10:00:00      2    35     35

好吧，實際上，它應該是r = df.resample('5H')['Bool'] （僅適用於上述情況）

並在resample.py中跟蹤_downsample function 表明它相當於： df.groupby(r.grouper, axis=r.axis).agg(np.sum)輸出：

                     Nums  Nums2
2020-01-01 05:00:00    10     10
2020-01-01 10:00:00    35     35

Answer 2

df.resample('5H').sum()不適用於Bools列，因為該列具有混合數據類型，即object中的 object。 在resample或groupby上調用sum()時，將忽略object類型的列。