本文介绍了数据帧中从第一行开始的间隔[python 3.6.0]的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着跟版网的小编来一起学习吧！
问题描述
以下数据的时间间隔为5分钟，正在尝试将其分组为10分钟
数据帧名称为df：
| script_id | DATE_TIME | 打开 | 高 | 低 | 关闭 | 音量 |
|---|---|---|---|---|---|---|
| 201 | 2019-01-01 10：45：00 | 1492.9 | 1493.85 | 1492.15 | 1492.9 | 7189 |
| 201 | 2019-01-01 10：50：00 | 1492.9 | 1495.95 | 1492.2 | 1495.85 | 15440 |
| 201 | 2019-01-01 10：55：00 | 1495.85 | 1495.95 | 1494 | 1494.5 | 8360 |
| 201 | 2019-01-01 11：00：00 | 1494.5 | 1494.5 | 1492 | 1492.05 | 9910 |
| 201 | 2019-01-01 11：05：00 | 1492.05 | 1493.9 | 1492 | 1493.35 | 14961 |
| 201 | 2019-01-01 11：10：00 | 1493.4 | 1493.4 | 1488 | 1489.25 | 16493 |
| 201 | 2019-01-01 11：15：00 | 1489.25 | 1492 | 1489.25 | 1490.6 | 14590 |
| 201 | 2019-01-01 11：20：00 | 1490.6 | 1491.65 | 1490 | 1491.5 | 3470 |
执行以下代码时：
df_f = df.groupby(['script_id', pd.Grouper(key='date_time', freq=f'{tf}T')])
.agg(open=pd.NamedAgg(column='open', aggfunc='first'),
high=pd.NamedAgg(column='high', aggfunc='max'),
low=pd.NamedAgg(column='low', aggfunc='min'),
close=pd.NamedAgg(column='close', aggfunc='last'),
volume=pd.NamedAgg(column='volume', aggfunc='sum'))
.reset_index()
print(df_f)
结果为(已从此处删除不需要的详细信息)：
| DATE_TIME |
|---|
| 2019-01-01 10：40：00 |
| 2019-01-01 10：50：00 |
| 2019-01-01 11：00：00 |
| 2019-01-01 11：10：00 |
但应该是(已从此处删除不需要的详细信息)：-(预期结果)
| DATE_TIME |
|---|
| 2019-01-01 10：45：00 |
| 2019-01-01 10：55：00 |
| 2019-01-01 11：05：00 |
| 2019-01-01 11：15：00 |
推荐答案
在调用pd.Grouper(... offset="5T")
df_f = df.groupby(['script_id', pd.Grouper(key='date_time', freq='10T', offset="5T")])
.agg(open=pd.NamedAgg(column='open', aggfunc='first'),
high=pd.NamedAgg(column='high', aggfunc='max'),
low=pd.NamedAgg(column='low', aggfunc='min'),
close=pd.NamedAgg(column='close', aggfunc='last'),
volume=pd.NamedAgg(column='volume', aggfunc='sum'))
.reset_index()
print(df_f)
script_id date_time open high low close volume
0 201 2019-01-01 10:45:00 1492.90 1495.95 1492.15 1495.85 22629
1 201 2019-01-01 10:55:00 1495.85 1495.95 1492.00 1492.05 18270
2 201 2019-01-01 11:05:00 1492.05 1493.90 1488.00 1489.25 31454
3 201 2019-01-01 11:15:00 1489.25 1492.00 1489.25 1491.50 18060
旧版本的
pandas.Grouper对象使用base而不是offset。pd.Grouper(..., base=5)
>>> df_f = df.groupby(['script_id', pd.Grouper(key='date_time', freq=f'10T', base=5)])
.agg(open=pd.NamedAgg(column='open', aggfunc='first'),
high=pd.NamedAgg(column='high', aggfunc='max'),
low=pd.NamedAgg(column='low', aggfunc='min'),
close=pd.NamedAgg(column='close', aggfunc='last'),
volume=pd.NamedAgg(column='volume', aggfunc='sum'))
.reset_index()
print(df_f)
script_id date_time open high low close volume
0 201 2019-01-01 10:45:00 1492.90 1495.95 1492.15 1495.85 22629
1 201 2019-01-01 10:55:00 1495.85 1495.95 1492.00 1492.05 18270
2 201 2019-01-01 11:05:00 1492.05 1493.90 1488.00 1489.25 31454
3 201 2019-01-01 11:15:00 1489.25 1492.00 1489.25 1491.50 18060
这篇关于数据帧中从第一行开始的间隔[python 3.6.0]的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持跟版网！
本站部分内容来源互联网,如果有图片或者内容侵犯了您的权益，请联系我们，我们会在确认后第一时间进行删除！