熊猫df中每15分钟一次的分组值答案

【问题标题】：Groupby values every 15 min in a pandas df熊猫df中每15分钟一次的分组值
【发布时间】：2019-03-29 03:03:04
【问题描述】：

我正在尝试对 pandas df 中的值进行分组以用于休息时间。具体来说，我每 15 分钟返回一次值。我可以使用以下方法来做到这一点。但我希望每 15 分钟返回一个值，即使值没有出现在 df 中。对于这些段，我将生成一个ffill()，其中先前的值将分配给该段。

import pandas as pd

d = ({
    'Time' : ['0/1/1900 8:00:00','0/1/1900 9:59:00','0/1/1900 10:00:00','0/1/1900 12:29:00','0/1/1900 12:30:00','0/1/1900 13:00:00','0/1/1900 13:02:00','0/1/1900 13:15:00','0/1/1900 13:20:00','0/1/1900 18:10:00','0/1/1900 18:15:00','0/1/1900 18:20:00','0/1/1900 18:25:00','0/1/1900 18:45:00','0/1/1900 18:50:00','0/1/1900 19:05:00','0/1/1900 19:07:00','0/1/1900 21:57:00','0/1/1900 22:00:00','0/1/1900 22:30:00','0/1/1900 22:35:00','1/1/1900 3:00:00','1/1/1900 3:05:00','1/1/1900 3:20:00','1/1/1900 3:25:00'],                 
    'People' : [1,1,2,2,3,3,2,2,3,3,4,4,3,3,2,2,3,3,4,4,3,3,2,2,1],                      
     })

df = pd.DataFrame(data = d)

df['Time'] = ['/'.join([str(int(x.split('/')[0])+1)] + x.split('/')[1:]) for x in df['Time']]
df['Time'] = pd.to_datetime(df['Time'], format='%d/%m/%Y %H:%M:%S') 

df = df.groupby(df.Time.dt.floor('15T'))['People'].max()
print(df)

Time
1900-01-01 08:00:00    1
1900-01-01 09:45:00    1
1900-01-01 10:00:00    2
1900-01-01 12:15:00    2
1900-01-01 12:30:00    3
1900-01-01 13:00:00    3
1900-01-01 13:15:00    3
1900-01-01 18:00:00    3
1900-01-01 18:15:00    4
1900-01-01 18:45:00    3
1900-01-01 19:00:00    3
1900-01-01 21:45:00    3
1900-01-01 22:00:00    4
1900-01-01 22:30:00    4
1900-01-02 03:00:00    3
1900-01-02 03:15:00    2

本系列仅提供 df 中存在的组。是否可以通过前一组的前向填充来确定每 15 分钟段的值。可以更改以下函数以将值分配给这些段吗？

df = df.groupby(df.Time.dt.floor('H'))['People'].max()

【问题讨论】：

标签： python pandas group-by

【解决方案1】：

如果你想groupby，你需要Grouper

df.groupby(pd.Grouper(freq='15T',key='Time'))['People'].max().ffill()

【讨论】：

【解决方案2】：

您可以以 15 分钟的频率重新采样结果并向前填补空白：

df.set_index('Time').resample('15T').max().ffill().astype(int)

【讨论】：

感谢@DYZ。在系列上效果很好