在 pandas 中分离时间序列并为每个时间序列提供 ID答案

【问题标题】：Seperate timeseries in pandas and give ID to each timeseries在 pandas 中分离时间序列并为每个时间序列提供 ID
【发布时间】：2020-05-08 23:06:53
【问题描述】：

我有一个具有以下形式的 pandas 数据框：

datetime   sensor1_value  sensor2_value

其中datetime 是在某一天开始和结束的索引（按时间顺序）。这给了我许多测量次数不等的时间序列。

我想给每个时间序列（24 小时 = 一个序列）一个特定的 ID，所以我的最终 df 应该是这样的

datetime   ID   sensor1_value  sensor2_value

ID = 1 的所有内容都属于时间序列 1（第 1 天）

ID = 2 的所有内容都属于时间序列 2（第 2 天）

等等。

到目前为止，我已经尝试将 df 与

dflist = []

for group in df.groupby(df.index.date):
    dflist.append(group[1])

这给了我所有数据帧的列表，但不是所有数据的一个 df。我无法弄清楚如何将所有内容放在一起并添加 ID。

【问题讨论】：

能否请您提供一些示例数据以供其他人轻松检查？

标签： python pandas time-series

【解决方案1】：

我想这就是你想要的。我已经重建了数据框，因为没有提供。

import pandas as pd
import numpy as np
times = pd.date_range(start ='1/1/2020',end='1/20/2020',periods = 100)
df = pd.DataFrame(list(zip(times, np.random.uniform(size = 100), np.random.uniform(size = 100))), 
                  columns = ['datetime', 'sensor_1_value', 'sensor_2_value'])
df['date_only'] = df.datetime.dt.date
df['ID'] = df.groupby(['date_only']).ngroup() + 1

【讨论】：