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據幀進行

      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據幀進行分組)

          <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據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據幀結構:

                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   
                

                我根據時間戳創建一個日期:

                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()
                

                這篇關于如何使用帶有 Pandas 的時間戳按小時對數據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!

                【網站聲明】本站部分內容來源于互聯網,旨在幫助大家更快的解決問題,如果有圖片或者內容侵犯了您的權益,請聯系我們刪除處理,感謝您的支持!

                相關文檔推薦

                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(分發帶有已編譯動態共享庫的 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: 亚洲在线 | 日韩欧美专区 | 成人一级黄色毛片 | 激情91| 欧美黄色录像 | 久久久精彩视频 | 久久免费精品视频 | 亚洲一在线| 超碰伊人| 日韩精品久久久久 | 亚洲在线高清 | 成年人在线视频 | 国产成人精品午夜 | 国产精品一区二区不卡 | 成人av鲁丝片一区二区小说 | 国产9 9在线 | 中文 | 国产欧美一区二区三区免费 | 一区二区不卡高清 | 国产乱码精品一区二区三区五月婷 | 久久er精品| 精品九九九 | 日韩精品一区二区三区在线 | 国产色网站 | 精品国产欧美一区二区三区不卡 | 81精品国产乱码久久久久久 | 免费在线a视频 | 亚洲巨乳自拍在线视频 | 在线视频日韩 | 91黄色片免费看 | 一区二区三区国产好的精 | 中国美女av| 一区二区三区视频在线观看 | 中文字幕精 | 欧美一区二区三区在线观看 | 国产91色在线 | 亚洲 | av天天澡天天爽天天av | 国产精品久久久久久久久久久久冷 | 久久国产欧美日韩精品 | 一区二区国产在线观看 | 日韩欧美在线免费观看 | 免费久久精品视频 |