Question

我有一个数据框，其中time是与数据集相关的浮点数：

 Time            Value
-47.88333         90
-46.883333        23
-45.900000        66
-45.883333        87
-45.383333        43

时间列的范围是-48到0.我想要做的是计算从-47.5到-.5的每半小时的平均值。 例如：

-47.5将是介于-48和-47之间的所有值的平均值，-46.5将是介于-47和-46之间的所有值的平均值。如果没有价值，我想继续以前的平均值。

导致输出看起来像：

 Time            Value
-47.5             90
-46.5             23
-45.5             65.33
-44.5             65.33
-43.5             65.33

这是否需要是自定义函数，因为时间列不是日期时间对象？

Answer 1

您可以非常轻松地使用groupby执行此操作：

(df.groupby(df.Time.apply(lambda x: np.floor(x) + 0.5))
   .mean()
   .Value
   .reindex(np.arange(-47.5, -42.5))
   .ffill())

Time
-47.5    90.000000
-46.5    23.000000
-45.5    65.333333
-44.5    65.333333
-43.5    65.333333
Name: Value, dtype: float64

Answer 2

尝试使用pd.cut：

对时间变量进行分箱

#change the bins arg to modify the size of the bins
df.loc[:, 'TimeBin'] = pd.cut(df.Time, bins=[i for i in range (-48, 0)])
#groupby the time bin and take the mean:
df[['TimeBin', 'Value']].groupby('TimeBin').mean()

熊猫计算每小时平均值

2 个答案: