每天精确小时的值数组（5 天）

Question

我有一个数组，比如：

                            0         1         2
date                                    
2000-06-01 10:00:00  0.040457  0.326594  0.492136 
2000-06-01 11:00:00  0.279323  0.877446  0.464523
2000-06-02 10:00:00  0.328068  0.837669  0.608559
2000-06-02 11:00:00  0.107959  0.678297  0.517435
2000-06-03 10:00:00  0.131555  0.418380  0.025725
2000-06-03 11:00:00  0.999961  0.619517  0.206108
2000-06-04 10:00:00  0.129270  0.024533  0.154769
2000-06-04 11:00:00  0.441010  0.741781  0.470402
2000-06-05 10:00:00  0.682101  0.375660  0.009916
2000-06-05 11:00:00  0.754488  0.352293  0.339337

我需要在每天的每个小时接收每个值的数组。 它应该是数据框

10:00:00  [[0.040457, 0.040457, 0.492136], [0.328068, 0.837669, 0.608559], ..., [0.682101, 0.375660, 0.009916]]
11:00:00  [[0.279323, 0.877446, 0.464523], [0.107959, 0.678297, 0.517435], ..., [0.754488, 0.352293, 0.339337]]

我试过这个：

locs = a.index.indexer_at_time('11:00:00')
a.iloc[locs]

但它没有显示我需要什么。可能有什么方法可以通过 numpy 做到这一点吗？ 重要提示：不应使用循环。如果也是，如果可能的话

Answer 1

对数据框应用一个函数，该函数将通过比较时间来过滤值。

output = []


def filter_data(row):
    values = [row[0], row[1], row[2]]
    if row.date.split()[1] == '10:00:00':
        output.append(values)

df.apply(filter_data, axis=1)

print (output)

Answer 2

您可以使用数据透视表通过创建“小时”列来做到这一点

df['hour'] = df.reset_index()['date'].dt.hour.values
ndf = df.pivot_table(index=df.hour, columns=df.groupby(df['hour']).cumcount(),values=df[[0,1,2]])

输出：

0 1 \ 0 1 2 3 4 0 1 小时 10 0.040457 0.328068 0.131555 0.12927 0.682101 0.326594 0.837669 11 0.279323 0.107959 0.999961 0.44101 0.754488 0.877446 0.678297 2\ 2 3 4 0 1 2 3 小时 10 0.418380 0.024533 0.375660 0.492136 0.608559 0.025725 0.154769 11 0.619517 0.741781 0.352293 0.464523 0.517435 0.206108 0.470402 4 小时 10 0.009916 11 0.339337

您还可以使用 .loc 来获取特定时间数据，即

ndf.loc[10]

输出：

0 0 0.040457 1 0.328068 2 0.131555 3 0.129270 4 0.682101 1 0 0.326594 1 0.837669 2 0.418380 3 0.024533 4 0.375660 2 0 0.492136 1 0.608559 2 0.025725 3 0.154769 4 0.009916 名称：10，数据类型：float64

Answer 3

假设我理解正确，并且您想要的是一个对象，该对象包含数据中每个不同小时的一行，每行包含一个数组，其中包含 0、1、2 列的所有数据值作为数组，以下将执行此操作：

#get the hour as a column
x['hour'] = x.date.dt.hour

#groupby hour
#use apply to get values
#filter to only columns you want in the values:
by_hours = x.groupby('hour').apply(lambda x: x[['0','1','2']].values)

返回：

hour
10    [[0.040457, 0.326594, 0.492136], [0.328068, 0....
11    [[0.279323, 0.877446, 0.464523], [0.107959, 0....
dtype: object

现在您可以按如下方式访问每个“小时”内的值：

by_hours.loc[10]

返回：

array([[ 0.040457,  0.326594,  0.492136],
       [ 0.328068,  0.837669,  0.608559],
       [ 0.131555,  0.41838 ,  0.025725],
       [ 0.12927 ,  0.024533,  0.154769],
       [ 0.682101,  0.37566 ,  0.009916]])