结合 timedelta 和 date 列，按时间间隔分组答案

【问题标题】：Combine timedelta and date column, group by time interval结合 timedelta 和 date 列，按时间间隔分组
【发布时间】：2016-01-14 15:11:14
【问题描述】：

我需要将两个单独的列合并为一个日期时间列。

pandas 数据框如下所示：

calendarid    time_delta_actualdeparture    actualtriptime
20140101      0 days 06:35:49.000020000     27.11666667
20140101      0 days 06:51:37.000020000     24.83333333
20140101      0 days 07:11:40.000020000     28.1
20140101      0 days 07:31:40.000020000     23.03333333
20140101      0 days 07:53:34.999980000     23.3
20140101      0 days 08:14:13.000020000     51.81666667

我想把它改成这样：

calendarid               actualtriptime
2014-01-01 6:30:00       mean of trip times in time interval
2014-01-01 7:00:00       mean of trip times in time interval 
2014-01-01 7:30:00       mean of trip times in time interval
2014-01-01 8:00:00       mean of trip times in time interval
2014-01-01 8:30:00       mean of trip times in time interval

基本上我想将这两列合并为一列，然后分组为 30 分钟的时间间隔，取该间隔内实际行程时间的平均值。我尝试了很多技术都没有成功，但我仍在学习 python/pandas。谁能帮我解决这个问题？

【问题讨论】：

标签： datetime pandas timedelta

【解决方案1】：

将您的“日历”列转换为日期时间并添加增量以获得开始时间。

In [5]: df['calendarid'] = pd.to_datetime(df['calendarid'], format='%Y%m%d')


In [7]: df['calendarid'] = df['calendarid'] + df['time_delta_actualdeparture']

In [8]: df
Out[8]: 
                  calendarid  time_delta_actualdeparture  actualtriptime
0 2014-01-01 06:35:49.000020             06:35:49.000020       27.116667
1 2014-01-01 06:51:37.000020             06:51:37.000020       24.833333
2 2014-01-01 07:11:40.000020             07:11:40.000020       28.100000
3 2014-01-01 07:31:40.000020             07:31:40.000020       23.033333
4 2014-01-01 07:53:34.999980             07:53:34.999980       23.300000
5 2014-01-01 08:14:13.000020             08:14:13.000020       51.816667

然后您可以将日期列设置为索引并以 30 分钟的频率重新采样以获得每个间隔的平均值。

In [19]: df.set_index('calendarid').resample('30Min', how='mean', label='right')
Out[19]: 
                     actualtriptime
calendarid                         
2014-01-01 07:00:00       25.975000
2014-01-01 07:30:00       28.100000
2014-01-01 08:00:00       23.166667
2014-01-01 08:30:00       51.816667

【讨论】：