重采样 pandas 数据框并将结果放入列中，以日期为索引

Question

我有一个数据集，每 30 分钟就有一次电量。

它以时间戳为索引，格式为 2016-06-01 00:00:00 2016-06-01 00:00:00等

我可以使用 df.groupby(pf.TimeGrouper(freq='D')) 对数据进行分组但我随后希望将组的内容放在第 1-48 列中，因此生成的数据集的每一行在左侧都有一天，在右侧有 48 个幂条目。

原始数据

2016-06-01 00:00:00 5<br> 2016-06-01 00:30:00 9<br> 2016-06-01 01:00:00 12

目标

日期时间 00:00:00 00:30:00 01:00:00<br> 2016-06-01 5 9 12

我确定必须有一个规则可以用来添加到 timegrouper 行的末尾，例如，从所有值中列出一个列表并将它们转换到一行中？

Answer 1

示例数据：

import pandas as pd

times = ["2016-06-01 00:00:00", "2016-06-01 00:30:00", "2016-06-01 01:00:00"]
vals = [5, 9, 12]
df = pd.DataFrame(dict(time = times, value = vals))

将时间拆分为日期和时间：

df["time"] = pd.to_datetime(df.time)
df["date"] = df.time.dt.date
df["time"] = df.time.dt.time

       time  value        date
0  00:00:00      5  2016-06-01
1  00:30:00      9  2016-06-01
2  01:00:00     12  2016-06-01

然后旋转数据：

df.pivot(index="date", columns="time", values="value")

time        00:00:00  00:30:00  01:00:00
date                                
2016-06-01         5         9        12

Answer 2

你可以

In [881]: df.set_index([df.time.dt.date, df.time.dt.time])['value'].unstack()
Out[881]:
time        00:00:00  00:30:00  01:00:00
time
2016-06-01         5         9        12

重命名轴

In [903]: (df.set_index([df.time.dt.date, df.time.dt.time])['value'].unstack()
             .rename_axis(None).rename_axis('DATETIME', 1))
Out[903]:
DATETIME    00:00:00  00:30:00  01:00:00
2016-06-01         5         9        12

或者，使用 groupby

而不是 set_index

In [907]: df.groupby([df.time.dt.date, df.time.dt.time])['value'].sum().unstack()
Out[907]:
time        00:00:00  00:30:00  01:00:00
time
2016-06-01         5         9        12

重采样 pandas 数据框并将结果放入列中，以日期为索引

Resampling pandas dataframe and putting the results in columns, with the day as the index

python

shape

dataframe

pandas