久久久久久久av_日韩在线中文_看一级毛片视频_日本精品二区_成人深夜福利视频_武道仙尊动漫在线观看

<tfoot id='YcGnA'></tfoot>

      <bdo id='YcGnA'></bdo><ul id='YcGnA'></ul>

  1. <legend id='YcGnA'><style id='YcGnA'><dir id='YcGnA'><q id='YcGnA'></q></dir></style></legend>
    <i id='YcGnA'><tr id='YcGnA'><dt id='YcGnA'><q id='YcGnA'><span id='YcGnA'><b id='YcGnA'><form id='YcGnA'><ins id='YcGnA'></ins><ul id='YcGnA'></ul><sub id='YcGnA'></sub></form><legend id='YcGnA'></legend><bdo id='YcGnA'><pre id='YcGnA'><center id='YcGnA'></center></pre></bdo></b><th id='YcGnA'></th></span></q></dt></tr></i><div class="qwawimqqmiuu" id='YcGnA'><tfoot id='YcGnA'></tfoot><dl id='YcGnA'><fieldset id='YcGnA'></fieldset></dl></div>
    1. <small id='YcGnA'></small><noframes id='YcGnA'>

    2. 如何使用帶有 Pandas 的時間戳按小時對數(shù)據(jù)幀進行

      How to group dataframe by hour using timestamp with Pandas(如何使用帶有 Pandas 的時間戳按小時對數(shù)據(jù)幀進行分組)

          <tbody id='3pNPa'></tbody>

            <tfoot id='3pNPa'></tfoot>
            <i id='3pNPa'><tr id='3pNPa'><dt id='3pNPa'><q id='3pNPa'><span id='3pNPa'><b id='3pNPa'><form id='3pNPa'><ins id='3pNPa'></ins><ul id='3pNPa'></ul><sub id='3pNPa'></sub></form><legend id='3pNPa'></legend><bdo id='3pNPa'><pre id='3pNPa'><center id='3pNPa'></center></pre></bdo></b><th id='3pNPa'></th></span></q></dt></tr></i><div class="qwawimqqmiuu" id='3pNPa'><tfoot id='3pNPa'></tfoot><dl id='3pNPa'><fieldset id='3pNPa'></fieldset></dl></div>
          • <legend id='3pNPa'><style id='3pNPa'><dir id='3pNPa'><q id='3pNPa'></q></dir></style></legend>
              • <bdo id='3pNPa'></bdo><ul id='3pNPa'></ul>

                <small id='3pNPa'></small><noframes id='3pNPa'>

                本文介紹了如何使用帶有 Pandas 的時間戳按小時對數(shù)據(jù)幀進行分組的處理方法,對大家解決問題具有一定的參考價值,需要的朋友們下面隨著小編來一起學習吧!

                問題描述

                我有以下使用時間戳索引的數(shù)據(jù)幀結(jié)構(gòu):

                I have the following dataframe structure that is indexed with a timestamp:

                    neg neu norm    pol pos date
                time                        
                1520353341  0.000   1.000   0.0000  0.000000    0.000   
                1520353342  0.121   0.879   -0.2960 0.347851    0.000   
                1520353342  0.217   0.783   -0.6124 0.465833    0.000   
                

                我根據(jù)時間戳創(chuàng)建一個日期:

                I create a date from the timestamp:

                data_frame['date'] = [datetime.datetime.fromtimestamp(d) for d in data_frame.time]
                

                結(jié)果:

                    neg neu norm    pol pos date
                time                        
                1520353341  0.000   1.000   0.0000  0.000000    0.000   2018-03-06 10:22:21
                1520353342  0.121   0.879   -0.2960 0.347851    0.000   2018-03-06 10:22:22
                1520353342  0.217   0.783   -0.6124 0.465833    0.000   2018-03-06 10:22:22
                

                我想按小時分組,同時獲得除時間戳以外的所有值的平均值,應該是小時小組開始的地方.所以這是我要歸檔的結(jié)果:

                I want to group by hour, while getting the mean for all the values, except the timestamp, that should be the hour from where the group started. So this is the result I want to archive:

                    neg neu norm    pol pos
                time                    
                1520352000  0.027989    0.893233    0.122535    0.221079    0.078779
                1520355600  0.028861    0.899321    0.103698    0.209353    0.071811
                

                到目前為止,我得到的最接近的是這個 回答:

                The closest I have gotten so far has been with this answer:

                data = data.groupby(data.date.dt.hour).mean()
                

                結(jié)果:

                    neg neu norm    pol pos
                date                    
                0   0.027989    0.893233    0.122535    0.221079    0.078779
                1   0.028861    0.899321    0.103698    0.209353    0.071811
                

                但我不知道如何保留考慮到 grouby 開始時間的時間戳.

                But I cant figure out how to keep the timestamp that takes in account he hour where the grouby started.

                推薦答案

                我遇到了這個 gem,pd.DataFrame.resample,在我發(fā)布了按小時計算的解決方案之后.

                I came across this gem, pd.DataFrame.resample, after I posted my round-to-hour solution.

                # Construct example dataframe
                times = pd.date_range('1/1/2018', periods=5, freq='25min')
                values = [4,8,3,4,1]
                df = pd.DataFrame({'val':values}, index=times)
                
                # Resample by hour and calculate medians
                df.resample('H').median()
                

                或者你可以使用 groupbyGrouper 如果您不想將時間作為索引:

                Or you can use groupby with Grouper if you don't want times as index:

                df = pd.DataFrame({'val':values, 'times':times})
                df.groupby(pd.Grouper(level='times', freq='H')).median()
                

                這篇關(guān)于如何使用帶有 Pandas 的時間戳按小時對數(shù)據(jù)幀進行分組的文章就介紹到這了,希望我們推薦的答案對大家有所幫助,也希望大家多多支持html5模板網(wǎng)!

                【網(wǎng)站聲明】本站部分內(nèi)容來源于互聯(lián)網(wǎng),旨在幫助大家更快的解決問題,如果有圖片或者內(nèi)容侵犯了您的權(quán)益,請聯(lián)系我們刪除處理,感謝您的支持!

                相關(guān)文檔推薦

                python: Two modules and classes with the same name under different packages(python:不同包下同名的兩個模塊和類)
                Configuring Python to use additional locations for site-packages(配置 Python 以使用站點包的其他位置)
                How to structure python packages without repeating top level name for import(如何在不重復導入頂級名稱的情況下構(gòu)造python包)
                Install python packages on OpenShift(在 OpenShift 上安裝 python 包)
                How to refresh sys.path?(如何刷新 sys.path?)
                Distribute a Python package with a compiled dynamic shared library(分發(fā)帶有已編譯動態(tài)共享庫的 Python 包)
                <legend id='i4kqv'><style id='i4kqv'><dir id='i4kqv'><q id='i4kqv'></q></dir></style></legend>
                  <i id='i4kqv'><tr id='i4kqv'><dt id='i4kqv'><q id='i4kqv'><span id='i4kqv'><b id='i4kqv'><form id='i4kqv'><ins id='i4kqv'></ins><ul id='i4kqv'></ul><sub id='i4kqv'></sub></form><legend id='i4kqv'></legend><bdo id='i4kqv'><pre id='i4kqv'><center id='i4kqv'></center></pre></bdo></b><th id='i4kqv'></th></span></q></dt></tr></i><div class="qwawimqqmiuu" id='i4kqv'><tfoot id='i4kqv'></tfoot><dl id='i4kqv'><fieldset id='i4kqv'></fieldset></dl></div>
                    <tbody id='i4kqv'></tbody>
                  <tfoot id='i4kqv'></tfoot>

                      • <bdo id='i4kqv'></bdo><ul id='i4kqv'></ul>
                        1. <small id='i4kqv'></small><noframes id='i4kqv'>

                        2. 主站蜘蛛池模板: 在线观看的av网站 | 精品在线观看视频 | 夜夜欢天天干 | 天天做夜夜爽 | 国产对白videos麻豆高潮 | 午夜精品国产精品大乳美女 | 日本天堂在线 | 国产精品1区2区 | 免费毛片观看 | 日日狠狠 | 亚洲一区亚洲二区 | 欧美一级特黄aaaaaa | 夜夜操网站 | 日韩精品在线一区二区 | 美女久久久久 | 成人自拍视频在线观看 | 欧美久久视频 | 婷婷丁香六月 | 综合婷婷| 伊人色播 | 99精品网| 在线免费毛片 | 国产精品久久久久久妇女6080 | 顶级黄色片 | 艳妇乳肉亭妇荡乳av | 国产三级在线看 | 一区二区三区中文字幕 | 好吊妞这里只有精品 | av动漫在线观看 | 日本亚洲精品 | 香蕉视频一区二区 | 午夜视频免费观看 | 中文字幕在线观看日韩 | 国产黄a三级三级三级看三级男男 | 黄色av免费| 天天干天天色 | 天天躁日日躁bbbbb | 极品尤物一区二区三区 | 国产高清视频 | 成人香蕉网 | www一级片 |