熊猫找到每小时滚动平均值答案

【问题标题】：Pandas find hourly rolling average熊猫找到每小时滚动平均值
【发布时间】：2019-11-24 17:13:23
【问题描述】：

我的数据集df 看起来像这样。这是一个基于minute 的数据集。

time, Open, High
2017-01-01 00:00:00, 1.2432, 1.1234
2017-01-01 00:01:00, 1.2432, 1.1234
2017-01-01 00:02:00, 1.2332, 1.1234
2017-01-01 00:03:00, 1.2132, 1.1234
...., ...., ....
2017-12-31 23:59:00, 1.2132, 1.1234

我想为Open 列找到每小时一次的rolling mean，但它应该是灵活的，以便我也可以为其他列找到每小时一次的rolling mean。

我做了什么？

我可以找到daily rolling average，如下所示：

# Pandas code to find the rolling mean for a single day

df
.assign(1davg=df.rolling(window=1*24*60)['Open'].mean()) 
.groupby(df['time'].dt.date) 
.last()

请注意，将这行代码（window=1*24*60 更改为 window=60）不起作用，因为我已经尝试过了。

新的output 应该如下所示：

time,                 Open,  High,   Open_hour_avg
2017-01-01 00:00:00, 1.2432, 1.1234,   1.2532
2017-01-01 01:00:00, 1.2432, 1.1234,   1.2632    
2017-01-01 02:00:00, 1.2332, 1.1234,   1.2332
2017-01-01 03:00:00, 1.2132, 1.1234,   1.2432
...., ...., ...., ....
2017-12-31 23:00:00, 1.2132, 1.1234,   1.2232

这里，

2017-01-01 00:00:00, 1.2432, 1.1234, 1.2532 是 minute 的平均数据 midnight

而2017-01-01 01:00:00, 1.2432, 1.1234, 1.2632 是minute 的平均数据1 AM

【问题讨论】：

您是否尝试过每小时重新采样时间序列？ pandas.pydata.org/pandas-docs/stable/reference/api/…
我试过了，但它给了TypeError: Only valid with DatetimeIndex，但我的df已经在DatetimeIndex中了
尝试：df.index = pd.to_datetime(df.index) 然后尝试重新采样
Pandas calculate hourly rolling mean的可能重复

标签： python-3.x pandas dataframe datetime python-datetime

【解决方案1】：

我们可以的

df['open_ave_hour']=df.groupby(df.time.dt.strftime('%H:%M:%S')).Open.mean().reindex(df.time.dt.strftime('%H:%M:%S')).to_numpy()

或者变换

df['open_ave_hour']=df.groupby(df.time.dt.strftime('%H:%M:%S')).Open.transform('mean')

【讨论】：

【解决方案2】：

这就是我的工作方式：

import pandas as pd

# After your CSV data is in a df

df['time'] = pd.to_datetime(df['time'])
df.index = df['time']
df_mean = df.resample('H').mean()


time,                 Open       High   
2017-01-01 00:00:00 1.051488    1.051500     
2017-01-01 01:00:00 1.051247    1.051275     
2017-01-01 02:00:00 1.051890    1.051957     
2017-01-01 03:00:00 1.051225    1.051290     
...., ...., ....
2017-12-31 23:00:00 1.051225    1.051290

【讨论】：