pandas可能存在groupby和resample错误
pandas是一个开源的数据分析和数据处理工具，它提供了丰富的数据结构和数据分析函数，可以方便地进行数据清洗、转换、分析和可视化等操作。在使用pandas进行数据处理时，确实可能会出现groupby和resample的错误。
groupby是pandas中的一个重要函数，用于按照指定的列或条件对数据进行分组。在使用groupby时，可能会出现以下错误：
- 错误：'DataFrame' object has no attribute 'groupby' 解决方法：这个错误通常是因为没有正确导入pandas库或者没有正确创建DataFrame对象。需要确保正确导入pandas库，并使用正确的语法创建DataFrame对象。
- 错误：'column_name' is not a valid column name 解决方法：这个错误通常是因为指定的列名在DataFrame中不存在。需要确保指定的列名正确无误，并且存在于DataFrame中。
- 错误：'function_name' is not a valid function for this object 解决方法：这个错误通常是因为使用了不适用于groupby操作的函数。需要确保使用的函数适用于groupby操作，可以查阅pandas官方文档了解可用的函数。
resample是pandas中用于时间序列数据重采样的函数，可以将时间序列数据转换为不同的频率。在使用resample时，可能会出现以下错误：
- 错误：'DataFrame' object has no attribute 'resample' 解决方法：这个错误通常是因为没有正确导入pandas库或者没有正确创建DataFrame对象。需要确保正确导入pandas库，并使用正确的语法创建DataFrame对象。
- 错误：'rule_name' is not a valid resampling rule 解决方法：这个错误通常是因为指定的重采样规则不正确。需要确保指定的重采样规则存在于pandas的可用规则列表中，可以查阅pandas官方文档了解可用的规则。
- 错误：'column_name' is not a valid column name 解决方法：这个错误通常是因为指定的列名在DataFrame中不存在。需要确保指定的列名正确无误，并且存在于DataFrame中。
总结： 在使用pandas进行数据处理时，可能会出现groupby和resample的错误。解决这些错误的关键是确保正确导入pandas库、正确创建DataFrame对象、使用适用于groupby和resample操作的函数和规则，并确保指定的列名存在于DataFrame中。如果遇到问题，可以查阅pandas官方文档或搜索相关问题的解决方案。
腾讯云相关产品推荐：
- 数据库：腾讯云数据库MySQL、腾讯云数据库MongoDB
- 服务器运维：腾讯云云服务器CVM
- 云原生：腾讯云容器服务TKE、腾讯云无服务器SCF
- 网络通信：腾讯云私有网络VPC、腾讯云弹性公网IP
- 网络安全：腾讯云云安全中心、腾讯云Web应用防火墙WAF
- 音视频：腾讯云音视频处理、腾讯云直播
- 人工智能：腾讯云人工智能平台AI Lab、腾讯云图像识别
- 物联网：腾讯云物联网平台IoT Hub、腾讯云边缘计算
- 移动开发：腾讯云移动推送、腾讯云移动分析
- 存储：腾讯云对象存储COS、腾讯云文件存储CFS
- 区块链：腾讯云区块链服务TBCS、腾讯云区块链托管服务TBaaS
- 元宇宙：腾讯云元宇宙解决方案、腾讯云虚拟现实VR
相关·内容
我试图分割导入的csv文件(timeseries)，并使用MultiIndex Slicer命令.xs()对它们进行操作。下面的df复制我导入的csv文件的结构。
import pandas as pd
df = pd.DataFrame(
{'Sensor ID': [14,1,3,14,3],
'Building ID': [109,109,109,109,109],
'Date/Time': ["26/10/2016 14:31:14","26/10/2016 14:31:16",
浏览 3提问于2017-02-27得票数 1
回答已采纳
我正试图解决一个非常简单的问题，但却碰上了一道墙。我有一个基于简单数据的DateTimeIndex，如下所示：
df=pd.DataFrame(
index=pd.date_range(
start='2017-01-01',
end='2017-03-04', closed=None),
data=np.arange(63), columns=['val']).rename_axis(index='date')
In [179]: df
浏览 0提问于2019-09-23得票数 2
回答已采纳
我有以下df DataFrame (pandas)：
attribute
2017-01-01 a
2017-01-01 a
2017-01-05 b
2017-02-01 a
2017-02-10 a
其中第一列是一个非唯一的datetime索引，我想每周计算a和b的数量。如果我尝试df.attribute.resample('W').count()，会有一个错误，因为重复的条目。
我能怎么做呢？
浏览 3提问于2017-10-08得票数 3
回答已采纳
1回答
我把时刻表归为有空白的。我不想填补空白，尊重分组。
date在每个id中都是唯一的。
以下是工作，但给我零的地方，我不想南的
data.groupby('id').resample('D', on='date').sum()\
.drop('id', axis=1).reset_index()
由于某些原因，以下内容不起作用
data.groupby('id').resample('D', on='date').asfreq()\
.drop('id'
浏览 1提问于2019-01-29得票数 4
回答已采纳
我有一个dataframe，对于每个ID，包含一个时间戳和一个值。时间戳是特定季度的：
import pandas as pd
a = pd.DataFrame({'id': [1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,3],
'date': ['2002Q1', '2002Q2', '2002Q3', '2002Q4', '2003Q1', '2002Q2', '2002Q3', '200
浏览 3提问于2021-09-03得票数 2
回答已采纳
我刚刚将pandas从0.17.1更新到0.18.1，我想我发现了下面列出的新的重采样方法的问题，同时修改了一些先前存在的代码。根据该文档，我下面的示例中的df3_resample和df4_resample应该返回相同的数据帧，但是df4_resample抛出了一个异常。这让我被绊倒了一段时间，所以我想我应该分享一下。
Exception: Column(s) A already selected
df = pd.DataFrame(np.random.rand(10,4),
columns=list('ABCD'),
浏览 0提问于2016-08-10得票数 6
2回答
熊猫中布尔值的重采样
、、、
我遇到了一处房产，我觉得在pandas重装布尔人是很奇怪的。以下是一些时间序列数据：
import pandas as pd
import numpy as np
dr = pd.date_range('01-01-2020 5:00', periods=10, freq='H')
df = pd.DataFrame({'Bools':[True,True,False,False,False,True,True,np.nan,np.nan,False],
"Nums":range(10)},
浏览 1提问于2020-07-14得票数 3
回答已采纳
在使用Python的pandas库进行数据扩展时，我遇到了一些不想要的行为。
示例
让我们从月度数据开始：
carMonthly = pd.DataFrame(data={'avSpeed': [40.3, 23.4], 'dist': [100, 150]},
index=pd.PeriodIndex(['2019-02', '2019-05'], freq='M'))
avSpeed dist
2019-02 40.3 100
20
浏览 0提问于2019-04-24得票数 1
回答已采纳
我有这个潘达斯的数据
datetime machineID errorID
0 2015-01-06 03:00:00 1 error3
1 2015-02-03 06:00:00 1 error4
2 2015-02-21 11:00:00 1 error1
3 2015-02-21 16:00:00 1 error2
4 2015-03-20 06:00:00 1 error1
5 2015-04-04 06:00:00 1 error5
6 2015-05
浏览 6提问于2021-12-14得票数 3
回答已采纳
2回答
我想每月对我的NetCDF4文件从每天的降水值进行汇总。然而，我不太清楚我做错了什么。这篇文章中的代码似乎发生了一些变化：
我在图书馆的文件里找不到任何有用的东西。
这是我的代码：
import netCDF4
from netCDF4 import Dataset
import numpy as np
import xarray as xr
import pandas as pd
data = xr.open_dataset('C3S_concat_cropped.nc')
# or I can use
data2 = Dataset("C3S_concat_cr
浏览 0提问于2020-11-30得票数 0
回答已采纳
1回答
我有一个带有列volt的timeseries dataframe。我已经应用了滚动窗口操作，这一数据格式为24H。滚动窗口的代码是
telemetry['datetime'] = pd.to_datetime(telemetry['datetime'])
a = telemetry.set_index('datetime').groupby('machineID').rolling(window=1, freq='24h').mean()['volt']
滚动后的数据图是这样的
machineID
浏览 3提问于2021-12-15得票数 2
回答已采纳
2回答
考虑以下方式的数据，其中ProductId和Date是索引。我使用了以下代码
>>> df = df.set_index('Date').groupby('productID').resample('W').sum()
Sales
productID Date
1000 01/01/2017 10
01/08/2017 15
01/15/2017 64
01/22/2017 21
01/29/2017
浏览 5提问于2017-04-10得票数 1
回答已采纳
我想从系列中构建一个矩阵，但在此之前，我必须对这些系列进行重新采样。但是，为了避免使用replace(np.nan, 0.0)两次处理整个矩阵，我希望将数据帧附加到收集数据帧，然后在一次遍历中删除NaN值。
因此，不是
user_activities = user.groupby(["DOC_ACC_DT", "DOC_ACTV_CD"]).agg("sum")["SUM_DOC_CNT"].unstack().resample("1D").replace(np.nan, 0)
df = df.append(use
浏览 5提问于2016-09-14得票数 12
回答已采纳
2回答
Bin列按时间间隔并计算总和
、、、、
我有熊猫DataFrame： df = pd.DataFrame({
"computer": [0, 1, 2, 3, 0, 1, 2, 3],
"time": [0, 0, 1, 1, 2, 3, 4, 5],
"value": [4, 1, 5, 6, 1, 0, 3, 4],
})
df["time"] = pd.to_datetime(df["time"], unit="s")
df.set_index(["computer",
浏览 38提问于2019-01-17得票数 1
回答已采纳
我正在处理表示向量(幅度和方向)的时序数据。我想要我的数据，并使用describe函数作为how参数。
但是，describe方法使用标准平均值，我想使用一个特殊的函数来平均方向。因此，我在pandas.Series.describe()实现的基础上实现了我自己的describe方法
def directionAverage(x):
result = np.arctan2(np.mean(np.sin(x)), np.mean(np.cos(x)))
if result < 0:
result += 2*np.pi
return result
d
浏览 1提问于2013-02-13得票数 5
回答已采纳
1回答
我正在尝试基于移动的2个工作日窗口对分区数据进行滚动求和。感觉它应该既简单又广泛使用，但解决方案超出了我的能力范围。
#generate sample data
import pandas as pd
import numpy as np
import datetime
vals = [-4,17,-4,-16,2,20,3,10,-17,-8,-21,2,0,-11,16,-24,-10,-21,5,12,14,9,-15,-15]
grp = ['X']*6 + ['Y'] * 6 + ['X']*6 + ['Y'] * 6
浏览 0提问于2018-05-18得票数 4
2回答
我有一个csv文件，我试图绘制每月一些值的平均值。我的csv文件的结构如下所示，所以我认为我应该每天对数据进行分组，然后按月进行分组，以便计算平均值。
timestamp,heure,lat,lon,impact,type
2007-01-01 00:00:00,13:58:43,33.837,-9.205,10.3,1
2007-01-02 00:00:00,00:07:28,34.5293,-10.2384,17.7,1
2007-01-02 00:00:00,23:01:03,35.0617,-1.435,-17.1,2
2007-01-03 00:00:00,01:14:29,36.5
浏览 1提问于2017-06-01得票数 4
1回答
我有一个包含tick数据的pandas df，索引为datetime64[ns]，我想将此数据重新采样为5分钟间隔，如下所示：price_5min = price.price.resample('5T').ohlc().between_time('09:00:00, '16:20:00')
它可以工作，但是它将周末和假日添加到新的时间序列中，我需要删除它们。我没有关注美国(或任何其他标准的假日日历)。我只想删除不在原始price df中的日期。
索引不是唯一的，许多情况下相同的时间戳。Pandas版本0.20.1
我尝试过的：
1) dropna()：我
浏览 49提问于2017-07-04得票数 1
回答已采纳
我正在分析雅虎财经的股票数据，目前我的DataFrame = Df过滤后只显示了1991年以来3月份的天数。我想知道每年三月份的月度回报率是多少。或任何其他月份的组合，即自1991年以来从1月到3月的回报是多少。我也想要按年分解。
我也希望能够做这一天，也就是说，自1991年以来，苹果库存在每个星期五都有多少变化。这将是另一个样本问题。
我正在试着把它弄到可以打印出一份按年分解的实际纸质副本的地方；就像一份报告一样。
我试过在pandas.pydata.org/上阅读多索引教程和group by，但它非常令人困惑，而且我不确定这是否是我所需要的。
这是我当前的代码
from pandas_da
浏览 0提问于2016-09-15得票数 2
回答已采纳
我想从pandas date_range那里得到一个嵌套的字典。字典的关键字应该是日期和值，即选定范围内的所有值的列表。例如：
import numpy as np
import pandas as pd
import arrow
mymatrix = pd.DataFrame([
[pd.Timestamp(arrow.get('01-01-2017 01:01:00', 'DD-MM-YYYY HH:mm:ss').naive), 5],
[pd.Timestamp(arrow.get('01-01-2017 00:02:00', '
浏览 2提问于2017-02-08得票数 1
回答已采纳
1回答
我有一个长格式的数据帧，其中包含两个观察点(A和B)的不同时间采样间隔和频率的速度数据。如果我应用重采样方法来获得日均值，我会得到给定时间间隔内所有变量的平均值(而不是速度、距离的平均值)。 有谁知道如何对数据帧进行重采样，并保留两个位置，但生成日平均速度数据？ import pandas as pd
import numpy as np
dti = pd.date_range('2015-01-01', '2015-12-31', freq='15min')
df = pd.DataFrame(index = dti)
# Average
浏览 18提问于2021-11-08得票数 0
3回答
我是python和pandas的新手，所以我对未来的任何误解深表歉意。
我有一个带有小时值的pandas DataFrame，看起来像这样：
2014-04-01 09:00:00 52.9 41.1 36.3
2014-04-01 10:00:00 56.4 41.6 70.8
2014-04-01 11:00:00 53.3 41.2 49.6
2014-04-01 12:00:00 50.4 39.5 36.6
2014-04-01 13:00:00 51.1 39.2 33.3
2016-11-30 16:00:00
浏览 18提问于2019-11-14得票数 8
回答已采纳
我的熊猫数据图是这样的：
VTI VOO VGK IEV
2017-06-20 125.5809 224.3456 55.2675 44.43
2017-06-21 125.1100 223.5591 54.8000 44.05
2017-06-22 124.7800 223.1609 54.8200 44.06
2017-06-23 124.8100 223.1200 54.8400 44.10
我跑
m_price = price.resample('BM', how=lambda x
浏览 2提问于2017-06-25得票数 2
回答已采纳
我使用resample函数将分钟数据转换为每日数据，得到了不正确的数据。在仔细检查输出后，我发现该进程正在输出每日打开的16:00条的打开。此外，它还输出9:31酒吧的收盘价作为每日收盘价。
下面是我的代码：
import numpy as np
import pandas as pd
from pylab import mpl, plt
plt.style.use('seaborn')
mpl.rcParams['font.family'] = 'serif'
%matplotlib inline
import cufflinks as cf
浏览 1提问于2018-06-14得票数 1
1回答
import pandas as pd
new = pd.read_csv(r'C:\Users\cctsa\PycharmProjects\pythonProject\stock_2409.csv')
new['time'] = pd.to_datetime(new['time'])
new.set_index(new['time'], inplace=True)
print(new)
rule_type = '10T'
period_n = new[['ticket']].resample(ru
浏览 0提问于2021-12-24得票数 2
假设我们有以下DataFrame，它详细描述了错误跟踪系统中的错误：
import pandas as pd
bugs = pd.DataFrame([
{'key': 'ABC-1', 'priority': 'high', 'start': pd.Timestamp(2018, 1, 1), 'end': pd.Timestamp(2018,3,20)},
{'key': 'ABC-2', 'priority': 'med
浏览 54提问于2018-06-03得票数 3
目前，我很难将以下DataFrame的行相加，这是为六家公司的股票的回报构建的：
def importdata(data):
returns=pd.read_excel(data) # Imports the data from Excel
returns_with_dates=returns.set_index('Dates') # Sets the Dates as the df index
return returns_with_dates
其中产出：
Out[345]:
Company 1 Company 2 Company 3 Compa
浏览 0提问于2017-03-20得票数 1
回答已采纳
谢谢你对我的问题感兴趣。
我希望绘制一份气温时间序列图，特别是在1981-1999年1月至8月之间。
以下是我的代码和尝试：
temperature = xr.open_dataarray('temperature.nc')
temp = temperature.sel(latitude=slice(34.5,30), longitude=slice(73,78.5))
templatlonmean = temp.mean(dim=['latitude','longitude'])-273.15
tempgraph1 = templatlo
浏览 2提问于2021-08-04得票数 1
2回答
在Pandas中，我想重新整理我的数据，并在5小时内和指数水平内取平均值。我的数据文件看起来像: df
timestamp width length
name
10 2019-08-01 00:00:00 10.1 86.1
10 2019-08-01 00:00:10 10.0 86.2
10 2019-08-01 00:05:40 10.1 86.3
10 2019-08-01 00:05:50 10.0 86.2
8
浏览 4提问于2020-02-26得票数 1
回答已采纳
我是Python的新手，我有一个数据框架，它是通过Pandas中的read_sql函数通过对Postgresql数据库的查询创建的，如下所示：
df = pd.read_sql(sql, conn, parse_dates={'asof_date'},index_col= ['asof_date']).
返回的数据有三列，它们是如下所示的每日数据：
asof_date id data_value
2013-01-02 xxx 15.6
2013-01-03 xxx 15.9
2013-0
浏览 2提问于2015-07-15得票数 0
我已经从当地的地铁名单上下载了数据，我想分析这个地区不同的市场趋势。我有分析地铁网站趋势的工具，但我想更熟悉使用Pandas和matplotlib绘图。
目前，这就是我所拥有的。
train_20901 = pd.read_csv('C:/Users/Damanjit/Documents/marketTrends/data/area20901.csv')
train_20901.head()
#small snippet of the full data, to see full data see images.
Address - Zip Code Lis
浏览 2提问于2017-01-04得票数 1
回答已采纳
2回答
在Spark中创建二进制直方图
、、、、
假设我有一个包含以下两列的dataframe (df) (Pandas)或RDD (Spark)：
timestamp, data
12345.0 10
12346.0 12
在Pandas中，我可以很容易地创建不同bin长度的二进制直方图。例如，要创建一个超过1小时的直方图，我执行以下操作：
df = df[ ['timestamp', 'data'] ].set_index('timestamp')
df.resample('1H',how=sum).dropna()
从Spark RDD迁移到Pandas d
浏览 1提问于2015-12-29得票数 1
1回答
熊猫数据重采样使用群
、、、
我有以下形式的熊猫资料：
timestap price bid ask volume
0 2014-06-04 12:11:03.058 21.11 41.12 0.00 0
1 2014-06-04 12:11:03.386 21.17 41.18 0.00 0
2 2014-06-04 12:11:03.435 21.20 41.21 0.00 0
3 2014-06-04 12:11:04.125 21.17 41.
浏览 1提问于2017-03-02得票数 1
回答已采纳
我想在Pandas中查看每个客户端在不同时间段的TimeSeries数据。
import pandas as pd
import numpy as np
import random
clients = np.random.randint(1, 11, size=100)
dates = pd.date_range('20130101',periods=365)
OrderDates = random.sample(list(dates),100)
Values = np.random.randint(10, 250, size=100)
df = pd.DataFrame(
浏览 0提问于2013-12-28得票数 10
2回答
我有一个DF，每个月的数据是A和B，用于名称集合。如何使用相同的数据将此DF扩展为每周DF (周末)？ import pandas as pd
df = pd.DataFrame({
'A' : np.random.randn(6),
'B' : np.random.randn(6),
'Date' : ['2019-02-28', '2019-02-28','2019-02-28','2019-03-29','2019-03-
29','2019-03-
浏览 17提问于2019-04-25得票数 1
回答已采纳
2回答
无重叠的熊猫卷角
、、
我有几个系列的价格回报，我想以这样一种方式计算滚动N天相关性，即如果我的第一个相关矩阵属于2000-04-05 - 2000-06-04，那么下一个相关矩阵应该属于2000-06-05 - 2000-08-04。使用传统的df.rolling(window=window).corr(df，pairwise=True)将返回重叠日期。
我知道分割滚动方法的结果会给我想要的结果，但这意味着我们用时间来计算我不会使用的相关性，从而造成资源的浪费。
有什么建议吗？
更新：
以下是输入内容的示例：
更新2：
outputs for pd.show_versions()
INSTALLED VE
浏览 1提问于2018-06-20得票数 2
回答已采纳
1回答
绘制年月日与权重
、、、
指向"“的链接--我是Python的新手，并且在链接中尝试了这个程序--但是，我得到了下面的错误，这里有遗漏什么吗？你能指给我看吗？
..
import matplotlib.pyplot as plt
import pandas as pd
df = pd.DataFrame({
'weight':[1, 2, 3, 4],
'date':['2011-05-01', '2013-10-10', '2015-12-17', '2017-10-29'
浏览 3提问于2021-06-07得票数 0
回答已采纳
请有人指点我在与的OHLC数据时间帧转换方面的正确方向？我想要做的是为更高的时间帧构建一个带有数据的Dataframe，给定的数据具有较低的时间框架。
例如，假设我有以下一分钟(M1)数据：
Open High Low Close Volume
Date
1999-01-04 10:22:00 1.1801 1.1819 1.1801 1.1817 4
1999-01-04 10:23:00 1.1
浏览 3提问于2012-03-30得票数 34
回答已采纳
2回答
熊猫重新分类/分组
、、、、
我有一个dataframe，其中每个实例都有一个时间戳、一个id和一个数字列表，如下所示：
timestamp | id | lists
----------------------------------
2016-01-01 00:00:00 | 1 | [2, 10]
2016-01-01 05:00:00 | 1 | [9, 10, 3, 5]
2016-01-01 10:00:00 | 1 | [1, 10, 5]
2016-01-02 01:00:00 | 1 | [2, 6, 7]
2016-01-02 04:00:00 | 1 | [2, 6]
2
浏览 2提问于2016-09-13得票数 3
回答已采纳
我想在dataframe中填充数据，它由如下所示的每月数据组成 M A B C
2020-1 2 30 5
2020-2 8 50 9 如何使用pandas api轻松做到这一点？ M A B C
2020-1-01 2 30 5
2020-1-08 3 35 6
2020-1-15 5 40 7
2020-1-22 7 45 8
2020-2-01 8 50 9 提前感谢
浏览 83提问于2020-10-22得票数 1
回答已采纳
1回答
按日期时间间隔计数记录数
、、、
我将一些数据加载到Pandas DataFrame中，希望将这些数据聚合到日期时间间隔中，并计算每个间隔内的记录数。问题是，我发现的聚合成日期时间间隔并计算每个间隔内的记录数的方法看起来相当笨拙，也许不是最有效的方法。改变我想要分组的时间间隔也是很痛苦的，因为我想要计算推特的数量。
data = [[Timestamp('2016-10-26 18:47:53'), 'mention'],
[Timestamp('2016-10-26 20:28:35'), 'retweet'],
[Timesta
浏览 3提问于2016-10-29得票数 2
回答已采纳
我使用pandas.DataFrame.resample重采样一个带有时间戳索引的分组Pandas dataframe。
在其中一列中，我希望重采样，以便选择最常用的值。目前，我只成功地使用了NumPy函数，如np.max或np.sum等。
#generate test dataframe
data = np.random.randint(0,10,(366,2))
index = pd.date_range(start=pd.Timestamp('1-Dec-2012'), periods=366, unit='D')
test = pd.DataFrame(
浏览 4提问于2016-04-06得票数 5
回答已采纳
1回答
我有一个样本数据如下所示。
import pandas as pd
data = {'ID':['A', 'A', 'A','A','A','A' ,'B','B','B','B','B'],
'Date':['2021-09-20 04:34:57', '2021-09-20 04:37:25', '2021-09-22 04:38:26'
浏览 1提问于2021-09-29得票数 0
回答已采纳
2回答
我有一个python xarray数据集，它的维度是time,x,y，变量是value1。我试图计算每个value1坐标对的年平均值。
在阅读文档时，我遇到了这个函数：
ds.groupby('time.year').mean()
在每个给定的时间切片上，这似乎是计算所有 x,y坐标对在value1中的单一年平均值。
而不是每个给定时间切片上的单个、x,y坐标对的年度平均值。
虽然上面的代码片段产生了错误的输出，但我对其过于简化的形式非常感兴趣。我真的很想找出“X数组技巧”，为给定的x,y坐标对做年度平均值，而不是自己把它连在一起。
有人帮我指对了方向吗？我是否应该暂时将其
浏览 3提问于2016-10-11得票数 5
回答已采纳
使用蟒蛇熊猫(但开放给任何其他解决方案)，我想增加一个样本DataFrame，同时保持最后的日期从我的输入文件。DataFrame.resample的默认工作方式是计算一个月的最后一天。以下是我的例子：
>>> import pandas as pd
>>> import numpy as np
>>> begin = pd.datetime(2013,1,1)
>>> end = pd.datetime(2013,2,20)
>>> dtrange = pd.date_range(begin, end,
浏览 2提问于2013-12-16得票数 0
回答已采纳
我正在处理股票价格数据，并希望让resample()每2行返回一次，而不是每2个工作日(resample('2B'))。障碍是任何在平日到来的假期。参见下文，MLK日为2018年1月15日星期一：
import pandas as pd
data = '''\
date,price
2018-01-08,88.28
2018-01-09,88.22
2018-01-10,87.82
2018-01-11,88.08
2018-01-12,89.6
2018-01-16,88.35
2018-01-17,90.14
2018-01-18,90.1
201
浏览 2提问于2018-06-27得票数 3
回答已采纳
代码
import pandas as pd
import numpy as np
dates = pd.date_range('20140301',periods=6)
id_col = np.array([[0, 1, 2, 0, 1, 2]])
data_col = np.random.randn(6,4)
data = np.concatenate((id_col.T, data_col), axis=1)
df = pd.DataFrame(data, index=dates, columns=list('IABCD'))
print df
prin
浏览 1提问于2014-03-23得票数 0
有人能解释一下为什么这个agg()对我不起作用吗： import pandas as pd
df = pd.DataFrame({'name':["alice","bob","charlene","alice","bob","charlene","alice","bob","charlene","edna" ],
'date':["2020-01-01&
浏览 220提问于2020-12-01得票数 2
1回答
有任何方法来指定X轴在潘达斯的采样率吗？特别是当这个轴包含datetime对象时，例如。
df['created_dt'][0]
datetime.date(2014, 3, 24)
理想情况下，我希望指定在情节中包含多少天(从头到尾)，或者通过从我的数据中获得Pandas子样本，或者通过平均每一个N天。
浏览 0提问于2014-05-28得票数 1
回答已采纳
II目前有一个很大的.csv，有200万行。我在csv中读过，只有2列，数字和时间戳(在unix中)。我的目标是每天获取最后和最大的数字(例如。1/1/2021、1/2/2021等)
我已经将unix转换为datetime，并使用了df.groupby(“时间戳”).tail(1)，但仍然无法每天返回最后一行。我是不是用错了群人？
import pandas as pd
def main():
df = pd.read_csv('blocks.csv', usecols=['number', 'timestamp']
浏览 11提问于2022-04-04得票数 1
回答已采纳
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
云直播
对象存储活动推荐
腾讯云开发者
