将浮点系列转换为熊猫中的整数系列答案

【问题标题】：Convert float Series into an integer Series in pandas将浮点系列转换为熊猫中的整数系列
【发布时间】：2013-10-02 07:54:56
【问题描述】：

我有以下数据框：

In [31]: rise_p
Out[31]: 
         time    magnitude
0  1379945444   156.627598
1  1379945447  1474.648726
2  1379945448  1477.448999
3  1379945449  1474.886202
4  1379945699  1371.454224

现在，我想对一分钟内的行进行分组。所以我将时间序列除以 100。我得到了这个：

In [32]: rise_p/100
Out[32]: 
          time  magnitude
0  13799454.44   1.566276
1  13799454.47  14.746487
2  13799454.48  14.774490
3  13799454.49  14.748862
4  13799456.99  13.714542

如上所述，我想根据时间创建组。所以预期的子组将是时间为13799454 和13799456 的行。我这样做：

In [37]: ts = rise_p['time']/100

In [38]: s = rise_p/100

In [39]: new_re_df = [s.iloc[np.where(int(ts) == int(i))] for i in ts]
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-39-5ea498cf32b2> in <module>()
----> 1 new_re_df = [s.iloc[np.where(int(ts) == int(i))] for i in ts]

TypeError: only length-1 arrays can be converted to Python scalars

我如何将ts 转换为整数系列，因为 int() 不采用系列或列表作为参数？ pandas 中有什么方法可以做到这一点吗？

【问题讨论】：

标签： python pandas time-series

【解决方案1】：

尝试使用 astype 进行转换：

new_re_df = [s.iloc[np.where(ts.astype(int) == int(i))] for i in ts]

编辑

根据@Rutger Kassies 的建议，一个更好的方法是先投系列，然后是 groupby：

rise_p['ts'] = (rise_p.time / 100).astype('int')

ts_grouped = rise_p.groupby('ts')

...

【讨论】：

使用astype() 绝对正确，但同时避免列表理解会更好。喜欢ts['time'] = (ts.time / 100).astype('int') 然后与ts.grouby('time') 分组等等...
是的，同意，避免列表理解会更好，将编辑我的答案以反映。

【解决方案2】：

这是解决问题的另一种方法

In [3]: df
Out[3]: 
         time    magnitude
0  1379945444   156.627598
1  1379945447  1474.648726
2  1379945448  1477.448999
3  1379945449  1474.886202
4  1379945699  1371.454224

In [4]: df.dtypes
Out[4]: 
time           int64
magnitude    float64
dtype: object

将您的纪元时间戳转换为秒

In [7]: df['time'] = pd.to_datetime(df['time'],unit='s')

设置索引

In [8]: df.set_index('time',inplace=True)

In [9]: df
Out[9]: 
                       magnitude
time                            
2013-09-23 14:10:44   156.627598
2013-09-23 14:10:47  1474.648726
2013-09-23 14:10:48  1477.448999
2013-09-23 14:10:49  1474.886202
2013-09-23 14:14:59  1371.454224

按 1 分钟分组并表示结果（how= 也可以是任意函数）

In [10]: df.resample('1Min',how=np.mean)
Out[10]: 
                       magnitude
time                            
2013-09-23 14:10:00  1145.902881
2013-09-23 14:11:00          NaN
2013-09-23 14:12:00          NaN
2013-09-23 14:13:00          NaN
2013-09-23 14:14:00  1371.454224

【讨论】：

感谢@Jeff！这种方法看起来不错。有些方法对我来说是新的。我会试试这个。现在，我将使用@drexiya 给出的答案。
感谢@Jeff。我在发表评论后找到了这个资源。所以我删除了提到相同的评论。

【解决方案3】：

这是将ts 转换为int 类型的Series 的另一种非常通用的方法：

rise_p['ts'] = (rise_p.time / 100).apply(lambda val: int(val))

apply 允许您按值将任意函数应用于您的Series 对象值。 apply 也适用于 DataFrame 对象的列。

【讨论】：