具有给定开始和结束日期的熊猫重采样时间序列
熊猫重采样时间序列是指将原始时间序列数据按照指定的时间间隔进行重新采样，生成新的时间序列数据。重采样可以是向上采样（增加时间间隔）或向下采样（减小时间间隔）。
重采样的优势在于可以对时间序列数据进行平滑处理、降低噪声、提高数据的可读性和可视化效果。同时，重采样还可以将不规则时间序列数据转换为规则时间序列数据，方便后续的数据分析和建模。
重采样的应用场景包括但不限于以下几个方面：
- 数据可视化：通过重采样可以将原始时间序列数据转换为规则的时间间隔，方便进行数据可视化展示和分析。
- 数据分析：重采样可以对原始时间序列数据进行平滑处理，降低噪声，提高数据的可读性和可分析性。
- 数据建模：重采样可以将不规则时间序列数据转换为规则时间序列数据，方便进行数据建模和预测分析。
腾讯云提供了一系列与时间序列数据处理相关的产品和服务，其中包括：
- 云数据库 TencentDB：提供高性能、可扩展的云数据库服务，支持存储和查询时间序列数据。
- 云原生数据库 TDSQL：基于云原生架构设计的分布式数据库，适用于大规模时间序列数据存储和查询。
- 云服务器 CVM：提供弹性计算能力，可用于处理时间序列数据的计算和分析任务。
- 人工智能平台 AI Lab：提供丰富的人工智能算法和模型，可用于时间序列数据的分析和预测。
更多关于腾讯云相关产品和服务的详细介绍，请参考腾讯云官方网站：腾讯云。
相关·内容
1回答
填补时间序列中熊猫数据的空白
、、、、
我有一只在时间序列上有缺口的熊猫数据。
如下所示：
示例输入
--------------------------------------
Timestamp Close
2021-02-07 09:30:00 124.624
2021-02-07 09:31:00 124.617
2021-02-07 10:04:00 123.946
2021-02-07 16:00:00 123.300
2021-02-09 09:04:00 125.746
2021-02-09 09:05:00 125.646
2021-02-09 15:58:00
浏览 3提问于2021-09-16得票数 4
回答已采纳
3回答
我刚刚开始使用Pandas，并且正在尝试合并:按日期分组数据，并计算每个组中的唯一值。
以下是我的数据：
User, Type
Datetime
2014-04-15 11:00:00, A, New
2014-04-15 12:00:00, B, Returning
2014-04-15 13:00:00, C, New
2014-04-20 14:00:00, D, New
2014-04-20 15:00:00, B, Returning
2014-04-20 16:00:00, B, Returning
2014-04-20 17:00:00, D,
浏览 0提问于2014-04-22得票数 7
回答已采纳
1回答
我有一段时间的观察，分辨率为一分钟，连续几天，但完整的日子。数据被组织成一个支点表，列上有天数，行上有时间。
2006-01-21 2006-01-24 ... 2006-02-08 2006-03-22
00:00:00 5.80 4.14 ... 7.03 4.27
00:01:00 4.71 5.22 ... 7.04 5.66
00:02:00 4.82 5.57 .
浏览 0提问于2018-09-25得票数 1
2回答
我有1分钟的日内股票数据，如下所示：
import yfinance as yf
import pandas as pd
n = yf.download('^nsei', period= '5d', interval= '1m')
我试图把它重新整理成“500万”数据，如下所示：
n = n.resample('5T').agg(dict(zip(n.columns, ['first', 'max', 'min', 'last', 'last', &#
浏览 9提问于2021-12-03得票数 1
回答已采纳
1回答
我有timeseries数据，我希望识别每个周期的周期和持续时间。
日期时间索引没有频率(数据点之间没有固定的时间步长)
我尝试使用从statsmodels.tsa.seasonal中使用seasonal_decompose对进行分解，但是得到了下面的错误ValueError: You must specify a period or x must be a pandas object with a DatetimeIndex with a freq not set to None
浏览 1提问于2022-02-03得票数 2
2回答
我有一只熊猫的数据，日期和小时作为专栏。现在我想把相同日期的时间相加。例如，要做到这一点：
7-1-2016 | 4
7-1-2016 | 2
4-1-2016 | 5
这方面：
7-1-2016 | 6
4-1-2016 | 5
在大文件上有什么快速的方法吗？
浏览 2提问于2016-01-07得票数 5
回答已采纳
1回答
我试图从4个独立的倾斜监视器中关联每5分钟采样一次的时间序列。时间序列的基准时间和结束时间略有不同，结果数组的长度也略有不同，尽管它们跨越的时间段几乎相同(相差约3分钟)。我的目标是将这些时间序列中的每一个与单个“风速”时间序列相关联，该时间序列也涵盖与倾斜监视器相同的时间段，每5分钟采样一次，但阵列长度以及起始时间和结束时间也略有不同。 倾斜测量中不同的阵列长度是由于仪器误差造成的。在每个阵列中都有一些时间仪器遗漏了一次测量，因此采样间隔为10分钟。 我的数组大小如下所示： Tilt_a = 6236x2
Tilt_b = 6310x2
Tilt_c = 6304x2
Tilt_d = 6
浏览 11提问于2019-04-10得票数 0
2回答
我有以下数据：
Date Embedded_text Partei sentiment_prediction Sentiment
Date
2021-03-26 2021-03-26 AfD wirkt.\n\nSchluss mit dem #Gendergaga\nMDR... AfD 2 Neutral
2021-03-27 2021-03-27 Im Herbst wird gewählt.\nSchluss
浏览 3提问于2022-02-16得票数 2
回答已采纳
1回答
熊猫小组重装替代品
、、、、
我经常使用pd.Series.resample()，我想知道是否有一种方法可以重采样/插值每月表格中的网格数据(时间、lat、lon)来表示'MS‘(月开始)。据我所知，这个特性不是直接在Panel中实现的。有解决办法吗？
浏览 6提问于2015-10-14得票数 0
回答已采纳
1回答
我使用熊猫数据阅读器软件包，从弗雷德、雅虎金融等网站上提取经济时间序列。我把美国经济衰退(USREC)系列从“弗雷德”网站和雅虎金融公司的历史sp500 (^GSPC)中拉了出来。
历史性的美国经济衰退：
web.DataReader("USREC", "fred", start, end)
输出：
2017-08-01 0
2017-09-01 0
2017-10-01 0
2017-11-01 0
S&P 500回报
web.DataReader("^GSPC",'yahoo',
浏览 0提问于2017-12-23得票数 2
回答已采纳
2回答
我有一个时间序列，我重新采样到这个数据帧df中，
我的数据是从6月6日到6月28日。它希望将数据从6月1日延长到6月30日。count列将只在延长的时间内有0值，而我的实际值从第6到28。
Out[123]:
count
Timestamp
2009-06-07 02:00:00 1
2009-06-07 03:00:00 0
2009-06-07 04:00:00 0
2009-06-07 05:00:00 0
2009-06-07 06
浏览 22提问于2017-08-28得票数 7
回答已采纳
1回答
填补熊猫数据中的日期空白
、、、、
我有Pandas DataFrame (从.csv加载)，日期时间作为索引。每天有一个条目的地方。问题是，我有空白，也就是说，在一些日子里，我根本没有数据。在空隙中插入行(天)的最简单方法是什么？还有一种方法可以控制作为数据插入到列中的内容！假设0或复制prev日信息或填充从prev-date到下一日期数据值范围内的滑动增/减值。
谢谢
下面是缺少的示例01-03和01-04：
In [60]: df['2015-01-06':'2015-01-01']
Out[60]:
Rate High (est) Low (est)
Date
浏览 3提问于2015-02-11得票数 10
2回答
我正在处理时间序列数据，在那里我有两栏日期和数量.日期是白天的。我想把一个月的数量加起来，并把它转换成一个日期。
日期是我的索引列
示例
quantity
date
2018-01-03 30
2018-01-05 45
2018-01-19 30
2018-02-09 10
2018-02-19 20
产出：
quantity
date
2018-01-01 105
2018-02-01 30
提前谢谢！！
浏览 1提问于2020-12-31得票数 1
回答已采纳
我有一个月数据的时间序列。我想按年将值相加，但保留原来的TimeSeries索引。最好的例子可能是：
# April 2012 to Nov 2053
dates = pd.date_range('2012-04-01',periods=500,freq='MS')
# Random time series over date range
a = pd.Series(np.arange(500), index=dates)
# Almost works but I'm missing the last 7 months:
# May 2053 to
浏览 3提问于2013-08-28得票数 1
回答已采纳
3回答
假设我有一个具有数值类型的索引的pandas.Series。
pd.Series( [10,20], [1.1, 2.3] )
如何用0.1间隔重绘上述级数？看起来.resample功能只在日期时间间隔上工作吗？
浏览 4提问于2014-03-04得票数 6
回答已采纳
1回答
在Pandas中，随着时间的推移，我遇到了一些问题，所以我把它带回到一个非常基本的例子，我仍然看到了同样的问题。
C是数据，a是索引(a datetime64数组)，b是数据(浮点数组)。
In [104]: c
Out[104]:
b
a
2009-04-01 386.928680
2009-06-01 386.502686
In [105]: a
Out[105]:
0 2009-04-01
1 2009-06-01
dtype: datetime64[ns]
In [106]: b
Out[1
浏览 6提问于2017-11-02得票数 0
回答已采纳
2回答
寻找一种更有效的方法来循环和比较两个不同频率的系列对象中的datetimeindex值。
设置
想象一下两个Pandas系列，每个序列都有一个日期时间索引，涵盖同一年份，但每个索引的频率却不同。一种是天的频率，另一种是小时的频率。
range1 = pd.date_range('2016-01-01','2016-12-31', freq='D')
range2 = pd.date_range('2016-01-01','2016-12-31', freq='H')
我试图循环这些系列，使用它们的索
浏览 4提问于2017-04-06得票数 2
回答已采纳
我正在使用包含(日期/时间)字符串的熊猫系列："2020-04-01 09:29:21"-"2020-04-01 09:53:17"-"2020-04-13 09:55:55"-.....)。
格式为："yyyy-mm-dd H:M:s“。
我只对小时和分钟部分感兴趣，我正在寻找一种方法，将数据划分为30分钟的存储桶，并计算每个存储桶中的值。
我的最终结果的一个示例：
Range count
9:00-9:30 7
9:30-10:00 25
10:00-10:30
浏览 13提问于2020-05-05得票数 0
回答已采纳
我有金融交易数据(带有交易时间的时间戳，因此存在重复的时间，并且日期时间间隔不规则)。基本上，我在pandas数据帧中只有一个日期时间列和一个价格列，我已经计算了回报，但我想对数据进行线性插值，这样我就可以获得每秒、每分钟、每一天的价格估计值……
似乎最好的方法是将星期二的开始视为发生在星期一结束之后，所以本质上是通过几天之间的时间来调整。熊猫提供了一种简单的方法来做到这一点吗？我搜索了文档并找到了BDay，但这似乎不是我想要的。
编辑:以下是我的代码示例：
df = read_csv(filePath,usecols=[0,4]) #column 0 is date_time and col
浏览 0提问于2014-03-01得票数 1
我正在尝试对我的时间序列进行重采样，以在多次迭代中获得一致的数据帧形状。
有时，当我拉出我的数据时，没有结果，所以我尝试重新采样我的数据帧，以包括每次发生这种情况时的填充，但是我希望强制重新采样运行到某个特定日期。
我目前的工作包括
df.set_index(df.date, inplace = True)
resampled = df.resample('D').sum()
但我不确定如何强制重采样器继续到最新日期
我也尝试过：
df.index = pd.period_range(min(older_df.date), max(older_df.date))
但随后会出现长
浏览 1提问于2020-09-25得票数 2
3回答
我想重新整理一下熊猫倒计时的时间序列。例如，让我们设置一个11天的简单时间序列：
>>> index = pd.date_range('01-01-2018', '01-11-2018', freq='D')
>>> randint = np.random.randint(low=0, high=9, size=(len(index), 1))
>>> df = pd.DataFrame(randint, index=index, columns=['random'])
&g
浏览 1提问于2018-08-10得票数 4
回答已采纳
pandas支持多种频率的重采样。要在DolphinDB中实现类似pandas的重采样，我可以使用group-by子句，其中group-by列是对时间列的函数调用。例如，要使用月份频率进行重采样，我可以编写如下SQL：
select count(*) from t group by month(myDate)
当涉及到周频率时，事情就有点不同了，因为DolphinDB没有像week这样的函数。此外，我希望在一周中的特定日期重新采样，例如，星期二。
浏览 1提问于2019-10-31得票数 0
2回答
对于一个名为full_df的给定熊猫数据框架，它看起来像
index id timestamp data
------- ---- ------------ ------
1 1 2017-01-01 10.0
2 1 2017-02-01 11.0
3 1 2017-04-01 13.0
4 2 2017-02-01 1.0
5 2 2017-03-01 2.0
6 2 2017-05-01
浏览 6提问于2017-09-15得票数 6
回答已采纳
1回答
在不规则的数据上使用resample是可能的吗？(我知道文档上说它是为了“常规时间序列数据的重采样”，但我也想尝试一下，如果它也适用于不规则数据。也许没有，也可能我做错了什么。)
在我的实际数据中，我通常每小时有2个样本，它们之间的时间差通常在20到40分钟之间。所以我希望把它们重装成一个固定的小时系列。
为了测试我是否正确地使用了它，我使用了一些随机的日期列表，所以它可能不是最好的例子，但至少一个解决方案将是非常健壮的。下面是：
fraction number time
0 0.729797 0 2014-10-23 15:44:00
浏览 0提问于2016-12-13得票数 6
回答已采纳
1回答
我从熊猫那里得到了一种奇怪的行为，我想把我的分钟数据重新整理成每小时的数据(使用平均值)。我的数据如下：
Data.head()
AAA BBB
Time
2009-02-10 09:31:00 86.34 101.00
2009-02-10 09:36:00 86.57 100.50
2009-02-10 09:38:00 86.58 99.78
2009-02-10 09:40:00 86.63 99.75
2009-02-10 09:41:00 86.52
浏览 1提问于2016-06-09得票数 1
回答已采纳
1回答
当我把熊猫的低频时间序列(如月或季度数据)重新采样到每周一次时，我会遇到一些问题。例如,
data = np.arange(3, dtype=np.float64)
s = Series(data, index=date_range('2012-01-01', periods=len(data), freq='M'))
s.resample('W-SUN')
结果是一个充满NaN无处不在的系列。基本上，如果我这样做，也会发生同样的事情：
s.reindex(DatetimeIndex(start=s.index[0].replace(day=1)
浏览 5提问于2012-10-11得票数 2
回答已采纳
在这个任务中，如果给定的日期时间介于开始日期和结束日期之间，我就被塞进去了。例如，下面是一个日历数据表：
| id | start | end
| 31 | 2017-03-15 05:21:30 | 2017-03-15 06:21:30
| 32 | 2017-03-14 06:25:30 | 2017-03-14 06:25:30
| 33 | 2017-03-14 06:25:45 | 2017-03-14 06:25:45
我必须用以下开始和结束日期将新数据插入到表中：
start: 2017-03-15 05:30:30 end: 201
浏览 0提问于2017-03-15得票数 2
回答已采纳
我有一个数据格式，列的日期为每30分钟一次或每10分钟一次。几天来缺少的数据和日期。我想用零填充丢失的数据，或者用相同的时间频率填充NaN。该怎么做呢？
下面我发现了类似的问题。但我问题的不同之处在于时间频率。我希望继续使用相同的30分钟，而不是使用period_range进行日常数据填充。
有时，我的数据有10分钟的时间频率。基本上，我想用相同的时间频率填充丢失的日期。
我在这里贴了一些资料，供你参考。
Depth 5/19/2022 18:51 5/19/2022 19:21 5/19/2022 19:51 5/19/2022 20:21 5/19/2022 20:51 5/19/2
浏览 14提问于2022-05-30得票数 0
我有这样的数据
DATE COUNT
2018-01-01 1
2018-01-02 1
2018-01-06 1
2018-01-07 1
我使用df=df.asfreq('D', fill_value=0)来填写缺少的日期：
DATE COUNT
DATE
2018-01-01 2018-01-01 1
2018-01-02 2018-01-02 1
2018-01-03 0
2018-01-04 0
2018-
浏览 1提问于2018-11-26得票数 0
回答已采纳
1回答
熊猫数据中Hz的重采样
、、、、
我正在研究一项大熊猫的巨蟒项目。我收到这样的.csv文件作为输入：
Name Timestamp Data
A1 259 [1.1,1.0,0.1]
A1 260 [-0.1,1.2,0.3]
A1 261 [0.1,0.2,-0.3]
...
A1 14895 [1.4,0.3,1.8]
...
A2 278 [-1.1,1.2,0.4]
A2 353 [-0.1,1.2,0.3
浏览 0提问于2019-09-08得票数 1
我有一个看起来像这样的DataFrame：
它有两列，其中一列是"from“日期时间，另一列是"to”日期时间。我想要更改此DataFrame，使其具有日期的单个列或索引(例如，日期时间形式的2015-07-06 00:00:00 )，而其他列(如deep)的变量按比例划分为每个日期。如何解决这个问题？我已经插手了groupby技巧，但我不确定如何继续。
浏览 1提问于2018-02-24得票数 0
我正在探索时间序列数据(在python中)，并希望通过熊猫将日期转换为每周一次的时间间隔，但这会引发以下错误：
TypeError:仅在DatetimeIndex、TimedeltaIndex或PeriodIndex中有效，但得到“RangeIndex”的实例
数据(dates.csv)：
install_date, user, mean_level
2015-09-09, 1, 2
2015-09-11, 2, 2
2015-09-14, 3, 5
2015-09-14, 4, 6
2015-09-20, 5, 3
2015-09-25, 6, 3
2015-09-26, 7, 1
浏览 1提问于2018-10-07得票数 0
回答已采纳
2回答
我有一个大的csv文件，带有iso格式2015-04-01 10:26:41的时间戳数据。数据跨越多个月，条目从30秒到多个小时不等。它的列是id，时间，速度。
最终，我希望将数据分组为15分钟，然后计算平均速度，因为无论多少条目都在15分钟的时隙中。
我试图使用Pandas，因为它似乎有一个坚实的时间序列工具，它可能很容易做到这一点，但我在第一个障碍。
到目前为止，我已经将CSV导入为一个dataframe，并且所有列都有一个object的dtype。我已经按日期对数据进行了排序，现在正在尝试按时间间隔对条目进行分组，而这正是我正在挣扎的地方。在谷歌搜索的基础上，我尝试使用这个代码resam
浏览 1提问于2015-11-04得票数 1
回答已采纳
1回答
熊猫数据重放ms值
、、、
我有一个具有以下格式的文件：
SET, 0, 0, 0, 6938987, 0, 4
SET, 1, 1, 6938997, 128, 0, 0
SET, 2, 4, 6938998, 145, 0, 2
SET, 0, 9, 6938998, 147, 0, 0
SET, 1, 11, 6938998, 149, 0, 0
....
SET, 1, 30, 6946103, 6, 0, 0
SET, 2, 30, 6946104, 6, 0, 2
GET, 0, 30, 6946104, 8, 0, 0
SET, 1, 30, 6946105, 8, 0, 0
GET, 2, 30, 694
浏览 10提问于2017-12-02得票数 3
回答已采纳
1回答
带近邻插值的熊猫返回新值
、、、
我想用最近的邻居插值来补充这些数据。
file.csv
ProcessStepId,_time
0,2019-03-14 01:35:59.769
0,2019-03-14 01:37:59.076
0,2019-03-14 01:39:59.723
0,2019-03-14 01:42:00.145
1,2019-03-14 01:42:04.478
1,2019-03-14 01:43:59.818
1,2019-03-14 01:45:59.776
1,2019-03-14 01:47:59.802
到目前为止，我的方法是:将csv文件读入dataframe，并将其转换为DateTime
浏览 1提问于2019-04-15得票数 0
回答已采纳
2回答
使用我构建的自定义传感器，我从一个人的右脚收集了一个人体步态周期的压力传感器信息(当一个人行走时，压力是如何变化的)。我想做的一件事是将每个信号分解成右脚采取的各个步骤。我在脚底有几个传感器，但最重要的是后跟传感器，因为我用它来理解每一步的开始和结束。这是通过查看鞋跟传感器的所有峰值来完成的(因为在我的例子中，一个步骤被定义为两个连续的鞋跟撞击之间发生的东西)。然而，因为很难让每一步都以相同的速度走，所以一些步往往比其他步稍长或短一些。
这就引出了我手头的问题。我想扭曲每一步，使它们的长度完全相同(即，我想扭曲每一步以花费相同的时间)，但我不确定最好的方法是什么。谁能建议我如何处理这个单一的信
浏览 3提问于2010-11-10得票数 2
回答已采纳
1回答
正在尝试获取日期范围(每周)的输出。我可以将日期分组并求和，但如何获得输出，如下图所示。尝试了pd.grouping与频率，重采样没有运气，有没有其他方法可以帮助？ 根据图像查找所需的输出 ?
浏览 22提问于2020-04-27得票数 0
我想聚合一个pandas.Series，每小时的DatetimeIndex值为月值，同时考虑到午夜的偏移量。
示例
考虑以下(统一的)时间序列，跨度约为1.5个月。
import pandas as pd
hours = pd.Series(1, pd.date_range('2020-02-23 06:00', freq = 'H', periods=1008))
hours
# 2020-02-23 06:00:00 1
# 2020-02-23 07:00:00 1
# ..
# 2020-04-05
浏览 3提问于2022-11-11得票数 2
1回答
我有一些被划分为event-related.的值所以并不是每分钟都有相同数量的数据。为了能够更好地处理这些数据，我的目标是只有每分钟取第一行值。
从csv导入数据的时间如下所示：
时间
2011年11月11日11:11
2011年11月11日11:11
2011年11月11日11:11
2011年11月11日11:12
2011年11月11日11:12
2011年11月11日11:13
其他的数值是温度。一个主要的问题是以正确的格式导入时间。我试图用这样的方法来解决这个问题：
with open('my_file.csv','r') as file:
for l
浏览 5提问于2022-01-04得票数 0
1回答
当要求熊猫使用插值重采样这个数据时，它不能正确地将第一个值向前传播。有人能解释一下这种行为吗？使用最新版本的熊猫和蟒蛇3.8
import pandas as pd
data = {'time': pd.to_timedelta([0., 1.1, 2.2, 3.3, 4.4], unit='s'), 'data':[100, 140, 50, 300, 400]}
df1 = pd.DataFrame(data=data).set_index('time')
df2 = df1.resample('1s').in
浏览 1提问于2022-10-31得票数 0
回答已采纳
1回答
用熊猫数据计算月移动平均数
、、、、
我有这样的数据。
Date_of_event - expenditure
2016-04-04 09:20:04.903 - 50000
2015-04-04 09:20:04.903 - 40000
2016-08-04 09:20:04.903 - 70000
2017-01-04 09:20:04.903 - 35000
2011-04-04 09:20:04.903 - 250000
2013-04-06 09:20:04.903 - 500
2016-07-09 09:20:04.903
浏览 3提问于2018-01-13得票数 0
回答已采纳
2回答
我有一个包含日期|天气信息的时间序列数据帧，如下所示：
2017-01-01 5
2017-01-02 10
.
.
2017-12-31 6
我正在尝试使用以下内容将其上采样为每小时的数据：weather.resample('H').pad()
我期望在24个间隔* 365天内看到8760个条目。然而，它只返回8737，最后23个间隔在12月31日丢失。我需要做什么特殊的事情才能得到前一天的24个间隔？
提前谢谢。
浏览 0提问于2020-08-30得票数 2
3回答
我有一只熊猫数据仓库，其结构如下：
Date Open High Low Close Volume
0 2003-10-01 00:00:00 1.16500 1.16700 1.16400 1.16690 1125
1 2003-10-01 01:00:00 1.16680 1.16790 1.16600 1.16720 933
............
这些是连续时间值，因为它是欧元/美元数据。我希望对此进行重采样，创建一个每日数据，该数据作为开放值使用日期XXXX-X
浏览 6提问于2017-01-28得票数 1
回答已采纳
1回答
我正在处理一个聊天日志，我的数据由时间戳、用户名和消息组成。我的目标是为几个用户绘制每月的消息数量，这样我就可以在用户处于活动状态时进行比较。
问题是x轴.在那里，我想要日期取决于频率(在这种情况下，月份)。相反，分组数据的Multindex似乎是在那里输出的。此外，数据似乎是正确分组的，但每个月都有三个数据点。
我包括了一些代码来生成随机数据。(我正在使用Python3.2)
以下是当前的输出：
import numpy as np
import time
import datetime
import pandas as pd
import matplotlib.pyplot as p
浏览 6提问于2013-05-23得票数 3
回答已采纳
我在Pandas中有一个很大的数据集，其中的条目都标有时间戳。我正在寻找一个解决方案，如何获得一个定义的长度范围(如1分钟)与最高的词条出现。
一种解决方案可能是将数据重新采样到更高的时间范围(例如一分钟)，并比较具有最高数值的部分。但是，它将只查找与给定时间范围的开始和结束时间相对应的范围。
我宁愿找到一个解决方案来找到任何1分钟的范围，无论它们实际上是从哪里开始的。
在下面的示例中，我将寻找1分钟的“窗口”，其中条目的出现频率最高，从范围内的第一个信号开始，到范围内的最后一个信号结束：
8:50:00
8:50:01
8:50:03
8:55:00
8:59:10
9:00:01
9:00
浏览 6提问于2017-08-28得票数 1
回答已采纳
1回答
我有一个包含时间序列数据的熊猫数据，所以数据数据的索引是每周一次的datetime64类型，每个日期都发生在每个日历周的星期一。
当订单被记录时，只有在dataframe中有条目，所以如果没有下订单，则在dataframe中没有相应的记录。我想“垫”此数据，以便在给定日期范围内的任何周都包括在数据范围内，并输入相应的零数量。
我成功地创建了一个虚拟的dataframe，它包含了我想要的每周的一个条目，它的数量为零，然后合并这两个数据文件并删除虚拟的dataframe列。这将产生第三个填充数据。
我不认为这是一个很好的解决问题的方法，对于熊猫来说，我想知道是否有更具体或更仿生的方法来达到这个目的
浏览 0提问于2018-10-10得票数 1
回答已采纳
1回答
熊猫日期-日频率-周频率
、、、
Q1:我有以下熊猫资料：
有大量的每日频率行(数据列)。我想转换的数据在一个星期的基础上，意味着频率不是日记，但现在是每周。还有这个钱和工人就是“周薪”。
Q2:可以定义一周的开始日期吗？
浏览 1提问于2017-01-12得票数 3
回答已采纳
1回答
想象一下，我的工作时间是从早上9点到下午6点。它被分成15分钟的区块，预约(以15分钟为增量)可以安排在可用的时间中。
现在，如果我需要插入一个45分钟长的新约会，有没有一个简单的查询可以找到一段时间，以适合给定日期的约会
基本的表格设计是
AppointmentId
Date
StartTime
Length - 15 minute incremenents
我想得到一个可供选择的时间列表，所以如果给定日期的唯一约会是9:30的30分钟，那么时间列表将是
(No times before 9:30 as the 45 minute appointment wont fit)
10:15
10
浏览 2提问于2014-04-28得票数 0
1回答
我正在尝试重采样一个非常简单的数据格式，但只有以下例外情况才会失败：
TypeError:只对DatetimeIndex、TimedeltaIndex或PeriodIndex有效，但有一个“索引”实例
我读了熊猫API文档，看了几十个例子，我不知道自己做错了什么。
# %%
import pandas as pd
print(f"pandas version: {pd.__version__}\n\n")
data = pd.DataFrame({"created": ['2019-03-07T11:01:07.361+0000',
浏览 3提问于2019-09-20得票数 1
回答已采纳
1回答
如何每隔10分钟取一次值？
、、、、
我使用LSTM对股票进行预测，我对时间序列数据做了一些特征工程，.I有两列，一是价格，二是日期。现在我想每隔十分钟训练一次价格值的模型。假设：
date_index date new_price
08:28:31 08:28:31 8222000.0
08:28:35 08:28:35 8222000.0
08:28:44 08:28:44 8200000.0
08:28:50 08:28:50 8210000.0
08:28:56 08:28:56 8060000.0
08:29:00 08:
浏览 3提问于2021-03-08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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
