当前位置：文江博客话题详情

对时间序列数据 pandas 进行重采样

发布于 2025-01-10 06:17:04 字数 175 浏览 0 评论 0原文

我有一个每 10 分钟划分一次的 csv 文件，它告诉我每条线路的乘客数量，但是我有一个从下午 1 点到 4:50 的间隙，它没有注册，我怎样才能用乘客数量 0 来填充它

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

み格子的夏天 2025-01-17 06:17:04

您可以使用 pd.date_range 创建日期：

>>> start_date = pd.to_datetime("2021-11-08 00:50:00.000")
>>> end_date = pd.to_datetime("2021-11-08 05:00:00.000")

关键字参数 inclusive 从 1.4.0 及更高版本开始可用。对于以前的版本，您必须在 start_date 中添加 10 分钟，并在 end_date 中减去相同的时间量，因为默认情况下这两个值都会包含在您的日期范围内：

>>> target_date_range = pd.date_range(start=start_date, end=end_date, freq="10min", inclusive="neither")

现在您可以使用新行创建数据框并使用 .concat 包含原始数据：

>>> new_rows_df = pd.DataFrame({
    "date": target_date_range,
})
>>> new_rows_df["passengers"] = 0
>>> new_rows_df.head()
                 date  passengers
0 2021-11-08 01:00:00           0
1 2021-11-08 01:10:00           0
2 2021-11-08 01:20:00           0
3 2021-11-08 01:30:00           0
4 2021-11-08 01:40:00           0

>>> df = pd.concat([df, new_rows_df])

You could create a new dataframe with the dates and number of passengers you want by using pd.date_range to create the dates:

>>> start_date = pd.to_datetime("2021-11-08 00:50:00.000")
>>> end_date = pd.to_datetime("2021-11-08 05:00:00.000")

The keyword argument inclusive is available from 1.4.0 and forward. For previous versions, you'll have to add the 10 minutes to start_date and subtract the same time amount to end_date, since both values would be included by default in your date range:

>>> target_date_range = pd.date_range(start=start_date, end=end_date, freq="10min", inclusive="neither")

Now you can create your dataframe with the new rows and use .concat to include your original data:

>>> new_rows_df = pd.DataFrame({
    "date": target_date_range,
})
>>> new_rows_df["passengers"] = 0
>>> new_rows_df.head()
                 date  passengers
0 2021-11-08 01:00:00           0
1 2021-11-08 01:10:00           0
2 2021-11-08 01:20:00           0
3 2021-11-08 01:30:00           0
4 2021-11-08 01:40:00           0

>>> df = pd.concat([df, new_rows_df])

回复收藏 0 原文

~没有更多了~