只需在熊猫数据框中保留每分钟的第一个值答案

【问题标题】：Just keep the first value of every minute in pandas dataframe只需在熊猫数据框中保留每分钟的第一个值
【发布时间】：2021-10-08 17:32:32
【问题描述】：

我想减少我的数据。我的初始数据框如下所示：

index	time [hh:mm:ss]	value1	value2
0	0 days 00:00:00.000000	3	4
1	0 days 00:00:04.000000	5	2
2	0 days 00:02:02.002300	7	9
3	0 days 00:02:03.000000	9	7
4	0 days 03:02:03.000000	4	3

现在我想减少我的数据，以便只保留每个新分钟的单元格（分别也是新的小时和天）。反之亦然：只应保留新一分钟的第一行。应该删除这一分钟的所有剩余行。所以结果表如下所示：

index	time	value1	value2
0	0 days 00:00:00.000000	3	4
2	0 days 00:02:02.002300	7	9
4	0 days 03:02:03.000000	4	3

任何想法如何解决这个问题？

【问题讨论】：

到目前为止你尝试了什么？你现在卡在哪里了？请在您的代码中添加minimal reproducible example，以便更轻松地为您提供帮助。

标签： python pandas dataframe numpy

【解决方案1】：

使用了 timedeltas，因此可以创建 TimedeltaIndex 并使用 DataFrame.resample by 1Minute 和 Resampler.first，仅添加所有分钟，因此仅删除 NaN 行：

df.index = pd.to_timedelta(df['time [hh:mm:ss]'])

df = df.resample('1Min').first().dropna(how='all').reset_index(drop=True)
print (df)
          time [hh:mm:ss]  value1  value2
0  0 days 00:00:00.000000     3.0     4.0
1  0 days 00:02:02.002300     7.0     9.0
2  0 days 03:02:03.000000     4.0     3.0

【讨论】：

每次问我感谢您的回答。你能推荐一本关于熊猫的书/文学作为起点吗？还是更像体验？
@AdlerMüller - 对我来说，编码工作很多，然后this，尤其是现代熊猫。

【解决方案2】：

您可以使用 apply 和 multiple splits 提取 D:HH:MM，然后删除重复项，选择第一个值。

dms = df['time [hh:mm:ss]'].apply(lambda x: ':'.join( [x.split(' days ')[0], *x.split('days ')[1].split(':')[:2]]) )
df.iloc[dms.drop_duplicates().index]

【讨论】：

【解决方案3】：

d = '''index,time,value1,value2 0,0 天 00:00:00.000000,3,4 1,0 天 00:00:04.000000,5,2 2,0 天 00:02:02.002300,7,9 3,0 天 00:02:03.000000,9,7 4,0 天 03:02:03.000000,4,3'''

df = pd.read_csv(StringIO(d),parse_dates=True)

df

df['time1'] = pd.to_datetime(df['time'].str.slice(7)) df.set_index('time1',inplace=True)

df

df.groupby([df.index.hour,df.index.minute]).head(1).sort_index().reset_index(drop=True)

【讨论】：