Question

数据帧每天只包含几个时间戳，我需要为每个日期选择最新的时间戳（而不是值，时间戳本身）。 df看起来像这样：

                               A      B      C
2016-12-05 12:00:00+00:00  126.0   15.0  38.54
2016-12-05 16:00:00+00:00  131.0   20.0  42.33
2016-12-14 05:00:00+00:00  129.0   18.0  43.24
2016-12-15 03:00:00+00:00  117.0   22.0  33.70
2016-12-15 04:00:00+00:00  140.0   23.0  34.81
2016-12-16 03:00:00+00:00  120.0   21.0  32.24
2016-12-16 04:00:00+00:00  142.0   22.0  35.20

我设法通过定义以下功能来实现我所需要的：

def find_last_h(df,column):
    newindex = []
    df2 = df.resample('d').last().dropna()
    for x in df2[column].values:
        newindex.append(df[df[column]==x].index.values[0])
    return pd.DatetimeIndex(newindex)

我用它来指定哪些列的值用作过滤器以获得所需的时间戳。这里的问题是在非唯一值的情况下，这可能无法按预期工作。

另一种使用方式是：

  grouped = df.groupby([df.index.day,df.index.hour])
  grouped.groupby(level=0).last()

然后重新构建时间戳，但它更加冗长。什么是聪明的方式？

Answer 1

使用由boolean indexing和duplicated创建的掩码floor来截断times：

idx = df.index.floor('D')
df = df[~idx.duplicated(keep='last') | ~idx.duplicated(keep=False)]
print (df)
                         A     B      C
2016-12-05 16:00:00  131.0  20.0  42.33
2016-12-14 05:00:00  129.0  18.0  43.24
2016-12-15 04:00:00  140.0  23.0  34.81
2016-12-16 04:00:00  142.0  22.0  35.20

reset_index + set_index的另一种解决方案：

df = df.reset_index().groupby([df.index.date]).last().set_index('index')
print (df)
                         A     B      C
index                                  
2016-12-05 16:00:00  131.0  20.0  42.33
2016-12-14 05:00:00  129.0  18.0  43.24
2016-12-15 04:00:00  140.0  23.0  34.81
2016-12-16 04:00:00  142.0  22.0  35.20

resample和groupby dates只丢失了几次：

print (df.resample('1D').last().dropna())
                A     B      C
2016-12-05  131.0  20.0  42.33
2016-12-14  129.0  18.0  43.24
2016-12-15  140.0  23.0  34.81
2016-12-16  142.0  22.0  35.20

print (df.groupby([df.index.date]).last())
                A     B      C
2016-12-05  131.0  20.0  42.33
2016-12-14  129.0  18.0  43.24
2016-12-15  140.0  23.0  34.81
2016-12-16  142.0  22.0  35.20

Answer 2

怎么样？ df.resample('24H',kind='period').last().dropna()？

Answer 3

您可以按日期分组，只需取每个日期时间的 max 即可获得每个日期的最后一个日期时间。

这可能看起来像：

df.groupby(df["datetime"].dt.date)["datetime"].max()

或类似的东西

df.groupby(pd.Grouper(freq='D'))["datetime"].max()

选择每个日期的上一个时间戳

3 个答案: