Pandas 無聚合重采樣

Question

我已經嘗試了很多方法來找到一種方法，該方法允許我在沒有任何聚合的情況下獲得重采樣或組的所有組，例如從：

import pandas as pd
import datetime
import numpy as np

fir_date=pd.to_datetime('1991/12/25')
days = pd.date_range(fir_date, fir_date + datetime.timedelta(100), freq='30T')
data=[]
for i in range(3):
    np.random.seed(seed=i)
    data.append(np.random.randint(1, high=100, size=len(days)))
    
df = pd.DataFrame({'Datetime': days, 'feature1': data[0],'feature2': data[1],'feature3': data[2]})
df = df.set_index('Datetime')
df.index = df.index.map(lambda x: x.replace(second=0,microsecond=0))

我能夠通過以下方式獲得特定重采樣的每一組：

df.resample('D').groups

> {Timestamp('1991-12-25 00:00:00', freq='D'): 48, 
> Timestamp('1991-12-26 00:00:00', freq='D'): 96,
> Timestamp('1991-12-27 00:00:00', freq='D'): 144,  
> Timestamp('1991-12-28 00:00:00', freq='D'): 192,  
> Timestamp('1991-12-29 00:00:00', freq='D'): 240,  ...}

output 是一個字典，因此我可以通過以下方式訪問特定元素：

df.resample('D').get_group('1991-12-25 00:00:00')

但這似乎並不那么聰明。

有更好的方法，例如，為每組重采樣獲得 1 個 DataFrame？

我知道可以循環重采樣為：

for i in df.resample('D'):
    print(i)
    break

但這不允許我比較不連續的組，或者至少不容易。

有什么好的技巧來處理這個問題嗎？

Answer 1

結合使用選擇和unique

import pandas as pd
import datetime
import numpy as np

fir_date=pd.to_datetime('1991/12/25')
days = pd.date_range(fir_date, fir_date + datetime.timedelta(100), freq='30T')
data=[]
for i in range(3):
    np.random.seed(seed=i)
    data.append(np.random.randint(1, high=100, size=len(days)))
    
df = pd.DataFrame({'Datetime': days, 'feature1': data[0],'feature2': data[1],'feature3': data[2]})
df['Days'] = df['Datetime'].dt.date # put in your resample step length here, e.g. days, month, ...
df = df.set_index('Datetime')
df.index = df.index.map(lambda x: x.replace(second=0,microsecond=0))
for i in df['Days'].unique():
    selection = df[df['Days'] = i]

Answer 2

如果需要 DataFrames 列表，請使用列表理解：

dfs = [x for i, x in df.resample('D')]

如果需要字典，可以將resample object 轉換為tuple和dict ：

d = dict(tuple(df.resample('D')))