【问题标题】:Splitting a datetime, python, pandas拆分日期时间,python,pandas
【发布时间】:2018-09-16 05:35:35
【问题描述】:

抱歉,我刚开始在 stackoverflow 上提问,所以我不明白如何正确格式化。

因此,我得到了一个 Pandas 数据框,其中包含包含日期和时间的 datetime 列以及包含某种值的关联列。给定的日期和时间按小时递增。我想操纵数据框让它们每 15 分钟递增一次,但保留相同的值。我该怎么做?谢谢!

我试过了:

df = df.asfreq('15Min',method='ffill')。

但我得到一个错误:

"TypeError: 无法将类型 'Timestamp' 与类型 'long' 进行比较"

当前数据框:

datetime     value  
00:00:00     1  
01:00:00     2

新数据框:

datetime     value  
00:00:00     1  
00:15:00     1  
00:30:00     1  
00:45:00     1  
01:00:00     2    
01:15:00     2  
01:30:00     2  
01:45:00     2    

更新:
下面批准的答案有效,但我上面尝试的初始代码也是如此 df = df.asfreq('15Min',method='ffill')。我在搞乱其他数据框,我似乎在处理一些空值时遇到了问题,所以我用一个 fillna 语句处理了这个问题,一切正常。

【问题讨论】:

  • 很抱歉这个问题对我来说不够清楚。 “让他们增加”是什么意思?您想将行拆分为更小的单元吗?
  • 是的,我试过 df = df.asfreq('15Min',method='ffill')。但我得到一个“TypeError:无法将'Timestamp'类型与'long'类型进行比较”
  • @tsbeginner - print (df.info()) 是什么?
  • datetime 是 datetime64[ns] 并且 value 是 float64
  • @tsbeginner - 我问一些不同的问题,print (df.info()) 以datetime is datetime64[ns] and value is float64 的形式返回更多信息

标签: python pandas datetime time-series


【解决方案1】:

您可以使用TimedeltaIndex,但必须手动添加正确的reindex 的最后一个值:

df['datetime'] = pd.to_timedelta(df['datetime'])
df = df.set_index('datetime')
tr = pd.timedelta_range(df.index.min(), 
                        df.index.max() + pd.Timedelta(45*60, unit='s'), freq='15Min')
df = df.reindex(tr, method='ffill')
print (df)
          value
00:00:00      1
00:15:00      1
00:30:00      1
00:45:00      1
01:00:00      2
01:15:00      2
01:30:00      2
01:45:00      2

resample 和相同问题的另一个解决方案 - 需要附加新值才能正确附加最后一个值:

df['datetime'] = pd.to_timedelta(df['datetime'])
df = df.set_index('datetime')
df.loc[df.index.max() + pd.Timedelta(1, unit='h')] = 1

df = df.resample('15Min').ffill().iloc[:-1]
print (df)
          value
datetime       
00:00:00      1
00:15:00      1
00:30:00      1
00:45:00      1
01:00:00      2
01:15:00      2
01:30:00      2
01:45:00      2

但如果值是日期时间:

print (df)
              datetime  value
0  2018-01-01 00:00:00      1
1  2018-01-01 01:00:00      2

df['datetime'] = pd.to_datetime(df['datetime'])
df = df.set_index('datetime')
tr = pd.date_range(df.index.min(), 
                   df.index.max() + pd.Timedelta(45*60, unit='s'), freq='15Min')
df = df.reindex(tr, method='ffill')

df['datetime'] = pd.to_datetime(df['datetime'])
df = df.set_index('datetime')
df.loc[df.index.max() + pd.Timedelta(1, unit='h')] = 1

df = df.resample('15Min').ffill().iloc[:-1]
print (df)

                     value
datetime                  
2018-01-01 00:00:00      1
2018-01-01 00:15:00      1
2018-01-01 00:30:00      1
2018-01-01 00:45:00      1
2018-01-01 01:00:00      2
2018-01-01 01:15:00      2
2018-01-01 01:30:00      2
2018-01-01 01:45:00      2

【讨论】:

  • 我收到此错误:TypeError: +: 'numpy.int64' 和 'Timedelta' 的不支持的操作数类型。如果我的值是日期时间。
  • @tsbeginner - 请检查问题下的评论。
  • @tsbeginner - 似乎需要检查答案的最后2段,主要不要忘记df = df.set_index('datetime')
  • 好的,那么在df = df.set_index('datetime')之后print (df.index)是什么?
  • 同上,datetime为datetime64,value为float64
【解决方案2】:

你可以使用 pandas.daterange

pd.date_range('00:00:00', '01:00:00', freq='15T')

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2019-02-20
    • 2020-10-02
    • 2014-05-02
    • 1970-01-01
    • 2021-11-08
    • 2022-01-20
    相关资源
    最近更新 更多