1回答
我有一些数据，我尝试先按"name“分组，然后再按"transaction_date”重采样。ADIB 127217001/01/2020 ADIB 24199 我遇到的问题是以两种不同的方式编写groupby重采样返回两种不同的结果 1-- df.groupby("name").resample("
浏览 20提问于2020-07-07得票数 0
1回答
当重采样具有平均聚合(每日到每月)的系列时，->丢失的日期时间被填充为->，这是可以的，因为我们可以使用.dropna()函数简单地删除它们，但是，对于sum/total aggregation ->，丢失的日期时间被填充为0(零)，这在技术上是正确的，但由于需要掩码来删除它们，因此有点麻烦。问题是，是否有一种更有效的方法来使用聚合和进行重采样，而无需填充零或使用掩码？最
浏览 9提问于2020-07-31得票数 2
回答已采纳
在对不同的列应用不同的聚合函数时，我试图对DatetimeIndex进行重采样。下面是一个代码示例： df.columns.unique(level=1)]).agg({"sub_col_03_name": "std"})ValueError: Grouper and axis must be same length
有人能解释一下如
浏览 8提问于2022-09-16得票数 1
2回答
for dt,group in df.groupby(df.timestamp.dt.date):现在，我也想做同样的事情，但不想用午夜来抵消时间。尽管如此，我还是想使用群客，但例如早上6点到早上6点在垃圾箱里。有比虚拟列更好的解决方案吗？不幸的是，如不起作用，因为我确实需要应用任何重采样/聚合函数。
浏览 3提问于2019-10-01得票数 3
回答已采纳
2回答
在多列上聚合时间序列数据
、、、、
6 69 2020-10-15 00:03:50
2020-10-15 00:04:00 3 19 2020-10-15 00:04:00 我正在使用重采样方法对时间序列进行下采样我发现在聚合数据上应用函数时无法调用特定列。if len(x)>1 else 0) 我得到一个错误： AttributeError: 'Series' object has no attribute 'rand_val' 如
浏览 16提问于2020-12-24得票数 1
回答已采纳
1回答
我正在使用pandas和以下代码对我的数据帧df中的一些值进行重采样： >> df['hour'] = f.Date.dt.hour date18:00:00
浏览 12提问于2019-09-08得票数 0
回答已采纳
1回答
4.79我必须对不同时间同时发生的观测数据进行统计，同时考虑时间聚合(重采样)的影响。目前，我只是将dataframe保留为一个枢轴表，将索引和列分别转换为datetime.time和datetime.date对象，但当：
将数据重采样到更粗的时间分辨率
浏览 0提问于2018-09-25得票数 1
1回答
我正在尝试基于5秒的时间步长进行成交量加权价格聚合，其中我有多个数据点。通过传递聚合类型的字典，我可以获得单个字段的简单均值和总和聚合。但是，要生成体积加权聚合，我需要同时使用定价和体积字段为每个步骤生成此聚合。有没有办法通过使用价格和数量系列的自定义聚合来返回VWAP？
浏览 5提问于2018-08-16得票数 0
回答已采纳
2回答
我有以下数据帧：
我需要重新采样数据以计算每周的pct_change()。我怎样才能得到每周的更改？类似于data['pct_week'] = data['Adj Close'].resample('W').ffill().pct_change()，但数据需要按data.groupby(['month', 'week'])分组我所做的是df['pct_we
浏览 1提问于2019-11-04得票数 5
2回答
但是聚合函数只允许我使用一个四舍五入数作为因子，所以我得到的最接近的因子是33x (单元格大小为990m)。然后我需要对990m到1000m进行重新采样，但很明显，这些值将发生变化，并且是不正确的。有没有一种方法可以使用像33,3333这样的小数因子，或者更好的是，使用分辨率为1000m的栅格作为聚合模板？两个原始单元格被正确地聚合到一个990x990m的单元格中，并且所有感兴趣的值(值“1”)的总和是2。您可以在单
浏览 50提问于2021-08-06得票数 0
1回答
我有一个数据帧'X‘，它看起来像： A | 2002-01-02 | 20 | ... ... C | 2002-02-01 | 50 | C | 2003-02-01 | 56
浏览 0提问于2018-06-14得票数 0
1回答
如果我在pandas中使用了groupby函数(在LOC上)，并进行了重采样，例如，我可以获得某个地点的日平均压力和流量值。有没有办法访问groupby列中的值，LOC，按索引或其他方法，以便我可以将其用作绘图的标题。换句话说，我可以访问“venue1”吗？我不得不使用groupby来获取重采样数据帧中的venue列，因为重采样似乎不会带来任何非数字字段
浏览 10提问于2020-06-27得票数 0
2回答
熊猫群与重采样的同时操作？
、、、、
我想对分类和下采样的日期时间组执行如下聚合：mean_agg = (df.groupby('JOB_TITLE') .mean())
不幸的是，由于groupby操作发生在重采样之前，因此对每个JOB_TITLE组
浏览 1提问于2017-03-18得票数 6
回答已采纳
问题过去是，现在仍然是:当做groupby时，我如何将不同的聚合函数应用于不同的字段(例如，x的sum，x的avg，y的min，z的max等)。我喜欢这种方法：
df.groupby('qtr').agg({"realgdp": {"mean_gdp": "mean", "std_gdp": "std"},
浏览 1提问于2017-10-12得票数 5
1回答
我想在Pandas中执行类似于SQL groupby操作或R的聚合的操作。我有一堆带有不规则时间戳的行，我想要创建时态回收箱并计算掉到每个垃圾桶中的行数。我不太明白怎么用重采样来做这件事Time, Val
05.45, ABC 示例输出06.00-07.00
浏览 4提问于2014-01-30得票数 4
我使用pandas.DataFrame.resample重采样一个带有时间戳索引的分组Pandas dataframe。前面的代码可以工作，因为我使用了NumPy函数。但是，如果我想用最频繁的值重
浏览 4提问于2016-04-06得票数 5
回答已采纳
我有dataframe和datetime index，还有形状：(311885, 38)%%timeWall time: 92.7 ms%%timeCPU times:
浏览 14提问于2019-10-22得票数 1
我有一个非常大的数据，我要重采样很多次，所以我想使用dask来加速这个过程。但是，我在groupby应用程序方面遇到了挑战。param1':random.sample(range(1, 1000), 400)})我通常可以对其进行分组和重采样使用问题在于，文档表明，如果索引和分区，那么每个分区都会得到完整的组--这是不正确的。原始错
浏览 4提问于2020-08-05得票数 1
回答已采纳
1回答
我想将这些报价重新采样到日常的蜡烛中，因此重新采样到“1D”。'open' : 'first', 'volume' : 'sum'
}) 但由于多种原因，我想在1个重采样中这样做，而不是2000个单独的重采样。如何在1天的时间范围内对符号级别进行重
浏览 17提问于2020-07-20得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
