为什么 Pandas Series 重采样函数在重采样后会产生意外的 start_time？

Question

我在 pandas 中有一个时间序列数据，我想通过使用 pandas 指定频率的重采样函数来计算不同 bin 中的数据数量。

如果你使用的话，熊猫系列看起来像下面这样：

test_data.head(10)

您将获得结果（仅显示前 10 个数据，因为它是一个大型系列）：

    Created
2015-11-29 23:28:50    KBH889
2015-11-29 23:30:43    KBH89U
2015-11-29 23:34:06    KBH88K
2015-11-29 23:38:08    KBH8CC
2015-11-29 23:38:36    KBH83T
2015-11-29 23:40:52    KBH8CF
2015-11-29 23:46:27    KBH8F1
2015-11-29 23:50:01    KBH8DQ
2015-11-29 23:54:29    KBH8FV
2015-11-29 23:58:01    KBH8C6
Name: Order_Number, dtype: object

然后我使用频率为“4541S”的重采样功能（它必须是4541s，不能更改！）

test_data.Order_Number.resample("4541S").count()

结果：

    Created
2015-11-29 22:42:18     9
2015-11-29 23:57:59    15
2015-11-30 01:13:40     6
2015-11-30 02:29:21     3
2015-11-30 03:45:02     2
Freq: 4541S, Name: Order_Number, dtype: int64

重采样结果以日期时间索引2015-11-29 22:42:18 开始。这是不需要的 start_time。我希望时间是该系列的最小值，在这种情况下，应该从2015-11-29 23:28:50 开始重新采样。有人知道怎么做这个吗？我尝试在重采样功能中使用参数base 来调整它。似乎很难。

这是用于测试的csv file。导入它并使用 count() 重新采样。

Answer 1

我认为您是正确的，因为这应该通过 base 参数来实现。不幸的是，我也找不到一种方法来轻松地使用原始的第一个 datetimeindex（在您的情况下为“2015-11-29 23:28:50”）而不是计算的（“2015-11-29 22: 42:18')。

作为一种解决方法，这可能对您的情况有所帮助，但对于其他情况并不完全有用，您可以执行以下操作：从原始数据中获取“原始”日期时间索引，从重新采样的数据中获取“计算”的第一个日期时间索引：

original = test_data.index[0]
calculated = test_data.Order_Number.resample('4541S',how='count',base=0).index[0]

（注意我使用的是 pandas 0.17 resample API - 您可能需要应用 .count() 而不是使用 'how' 参数）

然后得到“计算”的第一个 datetimeindex 和原始第一个 datetimeindex 之间的秒差：

base_seconds = int((original - calculated).seconds)

最后，使用base_seconds 作为base 参数的值：

test_data.Order_Number.resample('4541S',how='count',base=base_seconds)

产量

Created
2015-11-29 23:28:50    19
2015-11-30 00:44:31    10
2015-11-30 02:00:12     3
2015-11-30 03:15:53     3
Freq: 4541S, Name: Order_Number, dtype: int64

我希望这会有所帮助。