使用 pandas 按 bin 和时间对数据进行双重分组

Question

我正在尝试在一段时间 window 内对时间序列的值（每小时和每小时温度值）进行分类。也就是说，我想从最初的每小时值中提取每天、每周或每月的合并值。我尝试将 groupby+TimeGrouper(" ") 与 pd.cut 结合使用，但效果不佳。

我从这个 tutorial 中发现了一个很好的函数，它建议映射数据（将每个值与下一列的映射范围相关联），然后根据该数据进行分组。

def map_bin(x, bins):
    kwargs = {}
    if x == max(bins):
        kwargs['right'] = True
    bin = bins[np.digitize([x], bins, **kwargs)[0]]
    bin_lower = bins[np.digitize([x], bins, **kwargs)[0]-1]
    return '[{0}-{1}]'.format(bin_lower, bin)

df['Binned'] = df['temp'].apply(map_bin, bins=freq_bins)

但是，应用此函数会导致 IndexError：索引 n 超出轴 0 的范围，大小为 n。

理想情况下，我想让这项工作发挥作用并将其应用于同时实现双重分组：一个按 bins，一个按 timegrouper。

Answer 1

更新：
由于双索引列，我之前的尝试似乎导致了问题。我已经简化了一些看起来效果更好的东西。

import pandas as pd
import numpy as np
xaxis = np.linspace(0,50)
temps = pd.Series(data=xaxis,name='temps')
times = pd.date_range(start='2015-07-15',periods=50,freq='6H')
temps.index = times

bins = [0,10,20,30,40,50]

temps.resample('W').agg(lambda series:pd.value_counts(pd.cut(series,bins),sort=False)).unstack()

这输出：

           (0, 10]  (10, 20]    (20, 30]    (30, 40]    (40, 50]
2015-07-19       9        10           0           0           0
2015-07-26       0         0          10          10           8
2015-08-02       0         0           0           0           2

使用 pandas 按 bin 和时间对数据进行双重分组

Double grouping data by bins AND time with pandas

grouping

group-by

numpy

binning

pandas