Tengo un conjunto de datos relativamente grande que quiero dividir en múltiples marcos de datos en Pitón basado en una columna que contiene un objeto de fecha y hora. Los valores en la columna (por los que quiero dividir el marco de datos) se dan en el siguiente formato:
2015-11-01 00:00:05
Puede asumir que el marco de datos se ve así.
Cómo puedo dividir el marco de datos en intervalos de 5 segundos de la siguiente manera:
1er marco de datos
2015-11-01 00:00:00 - 2015-11-01 00:00:05
,2do marco de datos
2015-11-01 00:00:05 - 2015-11-01 00:00:10
, y así.
También necesito contar el número de observaciones en cada uno de los marcos de datos resultantes. En otras palabras, sería bueno si pudiera obtener otro marco de datos con 2 columnas (El formato de salida deseado se puede encontrar a continuación):
- 1ª columna representa el grupo dividido (valoresde esta columna no importa: podrían ser simplemente 1, 2, 3, .. indicando el orden de los intervalos de 5 segundos, por ejemplo, 1 podría referirse al período 2015-11-01 00:00:00 - 2015-11-01 00:00:05, 2 podría referirse al período 2015-11-01 00:00:05 - 2015-11-01 00:00:10 y así),
- La segunda columna muestra el número de observaciones que caen en cada intervalo respectivo.
Respuestas
2 para la respuesta № 1Crear dictionary of DataFrame
sy agrega una nueva columna con assign
:
rng = pd.date_range("2015-11-01 00:00:00", periods=100, freq="S")
df = pd.DataFrame({"Date": rng, "a": range(100)})
print (df.head(10))
Date a
0 2015-11-01 00:00:00 0
1 2015-11-01 00:00:01 1
2 2015-11-01 00:00:02 2
3 2015-11-01 00:00:03 3
4 2015-11-01 00:00:04 4
5 2015-11-01 00:00:05 5
6 2015-11-01 00:00:06 6
7 2015-11-01 00:00:07 7
8 2015-11-01 00:00:08 8
9 2015-11-01 00:00:09 9
g = df.groupby(pd.Grouper(key="Date", freq="5S"))
dfs = {k.strftime("%Y-%m-%d %H:%M:%S"):v.assign(A=range(1,len(v)+1), B=len(v)) for k,v in g}
print (dfs["2015-11-01 00:00:05"])
Date a A B
5 2015-11-01 00:00:05 5 1 5
6 2015-11-01 00:00:06 6 2 5
7 2015-11-01 00:00:07 7 3 5
8 2015-11-01 00:00:08 8 4 5
9 2015-11-01 00:00:09 9 5 5
Si es necesario contar primero las filas agregadas. size
y para Interval
Se agrega 1 al índice:
df1 = df.groupby(pd.Grouper(key="Date", freq="5S")).size().reset_index(name="Count")
df1["Interval"] = df1.index + 1
print (df1.head())
Date Count Interval
0 2015-11-01 00:00:00 5 1
1 2015-11-01 00:00:05 5 2
2 2015-11-01 00:00:10 5 3
3 2015-11-01 00:00:15 5 4
4 2015-11-01 00:00:20 5 5