Python：按非整数比例因子重新缩放 pandas 中的时间序列

Question

我不知道这在 Pandas 中是否可行。我认为 df.resample 可以完成这项工作，但没有。这是我的 objective:

我在 DataFrame 中有一个时间序列，df 看起来像这样：

            return
12:30:00 -0.000202
12:30:01 -0.000257
12:30:02 -0.000230
12:30:03 -0.000229
12:30:04 -0.000253
...
12:59:49  0.001491
12:59:50  0.001523
12:59:51  0.001503
12:59:52  0.001484
12:59:53  0.001513
12:59:54  0.001523
12:59:55  0.001527
12:59:56  0.001545
12:59:57  0.001532
12:59:58  0.001535
12:59:59  0.001566
13:00:00  0.001605

剧情是这样的：

现在您可以看到时间从 12:30:00 to 13:00:00 开始。我想重新缩放或拉伸此时间序列以获取来自 12:30:00 to 14:15:00 的观察结果。因此，我需要在我的原始时间序列中再增加 3.5 个条目……所以我的时间序列中每个观察的重复条目要多 3.5 倍。如果只有 3 倍，那么我会将我的数据转换为数组并使用 np.reshape()，然后重新分配一个时间索引，但这在这种特殊情况下不起作用。有什么建议吗？

Answer 1

您可以将日期时间转换为 unix 纪元，乘以您的比例因子然后转换回来（纪元计算使用 How to get unix timestamp from numpy.datetime64）

df['epoch'] = df.index.astype(np.int64) // 10 ** 9     
start_epoch = df.epoch.iloc[0]
df['epochdelta']= df['epoch'] - start_epoch
df['newindex'] = pd.to_datetime((df.epochdelta * 3.5 + start_epoch),unit='s')

Python：按非整数比例因子重新缩放 pandas 中的时间序列

Python: Rescale time-series in pandas by non-integer scale-factor

python

pandas

time-series

interpolation

resampling