如何从某一特定时间开始按周分组
如何从某一特定时间开始按周分组
提问于 2018-11-29 10:49:11
我有我希望每周分组的数据。
我已经能够使用以下方法完成这一任务
Data_Frame.groupby([pd.Grouper(freq='W')]).count()这将创建一个以
2018-01-07 ...
2018-01-14 ...
2018-01-21 ...这太棒了。但是我需要在06:00开始，所以
2018-01-07 06:00:00 ...
2018-01-14 06:00:00 ...
2018-01-21 06:00:00 ...我知道我可以将数据转换6个小时，但这似乎是一种欺骗，我确信Grouper具有这样的功能(指定何时开始分组的某种方式)。
我希望有人知道这么做的好方法。
非常感谢
编辑：
我试图在构建的功能中更多地使用pythons，因为它通常工作得更好、更一致。我还将数据本身转换为一个以时间戳作为y列的图形，并且我希望时间戳能够真实地反映数据，而不需要某些方法，例如将所有内容按6小时分组，然后将所有内容重新放置回6小时，以获得正确的时间戳。
回答 3
Stack Overflow用户
回答已采纳
发布于 2018-12-28 12:07:39
因此，要解决这个问题，需要使用Grouper的基参数。
但是，要注意的是，无论使用什么时间段(年份、月份、天数等)对于弗雷克来说，基地也在其中(据我所知)。
因此，当我想在6小时内取代开始位置时，我的频率应该是小时而不是周(即1W =168小时)。
所以我想找的解决办法是
Data_Frame.groupby([pd.Grouper(freq='168H', base = 6)]).count()这是简单，简短，快速和工作完全符合我的愿望。
不过，感谢所有其他的答案
Stack Overflow用户
发布于 2018-11-29 11:53:24
使用双shift
np.random.seed(456)
idx = pd.date_range(start = '2018-01-07', end = '2018-01-09', freq = '2H')
df = pd.DataFrame({'a':np.random.randint(10, size=25)}, index=idx)
print (df)
a
2018-01-07 00:00:00 5
2018-01-07 02:00:00 9
2018-01-07 04:00:00 4
2018-01-07 06:00:00 5
2018-01-07 08:00:00 7
2018-01-07 10:00:00 1
2018-01-07 12:00:00 8
2018-01-07 14:00:00 3
2018-01-07 16:00:00 5
2018-01-07 18:00:00 2
2018-01-07 20:00:00 4
2018-01-07 22:00:00 2
2018-01-08 00:00:00 2
2018-01-08 02:00:00 8
2018-01-08 04:00:00 4
2018-01-08 06:00:00 8
2018-01-08 08:00:00 5
2018-01-08 10:00:00 6
2018-01-08 12:00:00 0
2018-01-08 14:00:00 9
2018-01-08 16:00:00 8
2018-01-08 18:00:00 2
2018-01-08 20:00:00 3
2018-01-08 22:00:00 6
2018-01-09 00:00:00 7#freq='D' for easy check, in original use `W`
df1 = df.shift(-6, freq='H').groupby([pd.Grouper(freq='D')]).count().shift(6, freq='H')
print (df1)
a
2018-01-06 06:00:00 3
2018-01-07 06:00:00 12
2018-01-08 06:00:00 10Stack Overflow用户
发布于 2018-11-29 11:42:15
我将创建另一个列，其中包含所需的日期，并对其进行分组。
import pandas as pd
import numpy as np
selected_datetime = pd.date_range(start = '2018-01-07', end = '2018-01-30', freq = '1H')
df = pd.DataFrame(selected_datetime, columns = ['date'])
df['value1'] = np.random.rand(df.shape[0])
# specify the condition for your date, eg. starting from 6am
df['shift1'] = df['date'].apply(lambda x: x.date() if x.hour == 6 else np.nan)
# forward fill the na values to have last date
df['shift1'] = df['shift1'].fillna(method = 'ffill')
# you can groupby on this col
df.groupby('shift1')['value1'].mean()页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/53537273
复制相关文章
相似问题
腾讯云开发者
