我正在處理df具有以下結構的數據框： start_time end_time key vol0 2018-08-23 00:00:00 2018-08-23 01:30:00 abcd_eg 0.921 2018-08-23 00:15:00 2018-08-23 01:45:00 defg_x2 0.27我正在嘗試在開始時間和結束時間之間生成 15 分鐘的間隔。我希望在同一數據幀（或新數據幀）中生成新行，如下所示： start_time end_time key vol0 2018-08-23 00:00:00 2018-08-23 01:30:00 abcd_eg 0.921 2018-08-23 00:15:00 2018-08-23 01:30:00 abcd_eg 0.922 2018-08-23 00:30:00 2018-08-23 01:30:00 abcd_eg 0.923 2018-08-23 00:45:00 2018-08-23 01:30:00 abcd_eg 0.924 2018-08-23 01:00:00 2018-08-23 01:30:00 abcd_eg 0.925 2018-08-23 01:15:00 2018-08-23 01:30:00 abcd_eg 0.926 2018-08-23 01:30:00 2018-08-23 01:30:00 abcd_eg 0.927 2018-08-23 00:15:00 2018-08-23 01:45:00 defg_x2 0.278 2018-08-23 00:30:00 2018-08-23 01:45:00 defg_x2 0.279 2018-08-23 00:45:00 2018-08-23 01:45:00 defg_x2 0.2710 2018-08-23 01:00:00 2018-08-23 01:45:00 defg_x2 0.2711 2018-08-23 01:15:00 2018-08-23 01:45:00 defg_x2 0.2712 2018-08-23 01:30:00 2018-08-23 01:45:00 defg_x2 0.2713 2018-08-23 01:45:00 2018-08-23 01:45:00 defg_x2 0.27日期列是 type datetime[64]， key 是objectvol 是float。我到目前為止嘗試的是：b=[]lst = []for i, row in df.iterrows():b = pd.date_range(start=row.start_time, end=row.end_time, freq='15min',closed=None)lst.append(b)使用.iterrows()因為我有大約 125 條記錄。這為我提供DatetimeIndex了數據框中所有開始時間和結束時間值的時間序列，間隔為 15 分鐘。在此之后，我嘗試在數據框中作為lst新列傳遞，如下所示：unpackdfdf['unpack'] = lst我的想法是，如果我可以將這些值作為 df 中的新列，我可以使用此解決方案將它們提取為行。但是這個過程是行不通的。我怎么能用熊貓做到這一點？
2 回答
寶慕林4294392
TA貢獻2021條經驗 獲得超8個贊
我的五十美分：
首先重新創建示例df：
df = pd.DataFrame({"start_time": [datetime(2018, 8, 23), datetime(2018, 8, 23, 0, 15)],
"end_time": [datetime(2018, 8, 23, 1, 30), datetime(2018, 8, 23, 1, 45)],
"key": ["abcd_eg", "defg_x2"],
"vol": [0.92, 0.27]})
循環開始時間，為每個 start_time 創建一個具有所需索引的新數據幀，并將它們存儲在一個列表中。
dfs = []
for row in df.itertuples():
part_df = pd.DataFrame(index=pd.DatetimeIndex(start=row.start_time, end=row.end_time, freq='15T'),
data={'end_time': row.end_time, 'key': row.key, 'vol': row.vol})
part_df.index.name = 'start_time'
dfs.append(part_df)
現在連接所有數據幀并重置索引：
result = pd.concat(dfs).reset_index()
給出以下結果：
start_time end_time key vol
0 2018-08-23 00:00:00 2018-08-23 01:30:00 abcd_eg 0.92
1 2018-08-23 00:15:00 2018-08-23 01:30:00 abcd_eg 0.92
2 2018-08-23 00:30:00 2018-08-23 01:30:00 abcd_eg 0.92
3 2018-08-23 00:45:00 2018-08-23 01:30:00 abcd_eg 0.92
4 2018-08-23 01:00:00 2018-08-23 01:30:00 abcd_eg 0.92
5 2018-08-23 01:15:00 2018-08-23 01:30:00 abcd_eg 0.92
6 2018-08-23 01:30:00 2018-08-23 01:30:00 abcd_eg 0.92
7 2018-08-23 00:15:00 2018-08-23 01:45:00 defg_x2 0.27
8 2018-08-23 00:30:00 2018-08-23 01:45:00 defg_x2 0.27
9 2018-08-23 00:45:00 2018-08-23 01:45:00 defg_x2 0.27
10 2018-08-23 01:00:00 2018-08-23 01:45:00 defg_x2 0.27
11 2018-08-23 01:15:00 2018-08-23 01:45:00 defg_x2 0.27
12 2018-08-23 01:30:00 2018-08-23 01:45:00 defg_x2 0.27
13 2018-08-23 01:45:00 2018-08-23 01:45:00 defg_x2 0.27
慕的地8271018
TA貢獻1796條經驗 獲得超4個贊
我看到您添加了新信息。也許這就是你要找的，如果 15 分鐘間隔的數量是固定的，那么你可以試試這個。Edit2：現在，它也適用于非固定的 15 分鐘間隔。
import pandas as pd
gap = '15min'
date_start = ['2018-08-23 00:00:00','2018-08-23 00:15:00','2018-08-24 00:45:00', '2018-08-24 00:30:00']
date_end = ['2018-08-23 01:30:00','2018-08-23 01:45:00','2018-08-24 01:00:00','2018-08-24 02:45:00']
count = 0
to_repeat = []
data = {'start_time':date_start,'end_time':date_end,'key':['abcd_eg','defg_x2', 'whef_98','tuyr_23'],'vol':[0.92,0.27,0.87,0.90]}
df = pd.DataFrame(data)
for _ in zip(date_start, date_end):
temp = pd.date_range(_[0], _[1], freq=gap)
to_repeat.append(len(temp))
if count==0:
ind = temp
else:
ind = ind.append(temp)
count+=1
df_final = df.reindex(df.index.repeat(to_repeat))
df_final['start_time'] = ind
df_final.reset_index(inplace=True)
df_final.drop(columns='index',inplace=True)
print(df_final)
輸出
start_time end_time key vol
0 2018-08-23 00:00:00 2018-08-23 01:30:00 abcd_eg 0.92
1 2018-08-23 00:15:00 2018-08-23 01:30:00 abcd_eg 0.92
2 2018-08-23 00:30:00 2018-08-23 01:30:00 abcd_eg 0.92
3 2018-08-23 00:45:00 2018-08-23 01:30:00 abcd_eg 0.92
4 2018-08-23 01:00:00 2018-08-23 01:30:00 abcd_eg 0.92
5 2018-08-23 01:15:00 2018-08-23 01:30:00 abcd_eg 0.92
6 2018-08-23 01:30:00 2018-08-23 01:30:00 abcd_eg 0.92
7 2018-08-23 00:15:00 2018-08-23 01:45:00 defg_x2 0.27
8 2018-08-23 00:30:00 2018-08-23 01:45:00 defg_x2 0.27
9 2018-08-23 00:45:00 2018-08-23 01:45:00 defg_x2 0.27
10 2018-08-23 01:00:00 2018-08-23 01:45:00 defg_x2 0.27
11 2018-08-23 01:15:00 2018-08-23 01:45:00 defg_x2 0.27
12 2018-08-23 01:30:00 2018-08-23 01:45:00 defg_x2 0.27
13 2018-08-23 01:45:00 2018-08-23 01:45:00 defg_x2 0.27
14 2018-08-24 00:45:00 2018-08-24 01:00:00 whef_98 0.87
15 2018-08-24 01:00:00 2018-08-24 01:00:00 whef_98 0.87
16 2018-08-24 00:30:00 2018-08-24 02:45:00 tuyr_23 0.90
17 2018-08-24 00:45:00 2018-08-24 02:45:00 tuyr_23 0.90
18 2018-08-24 01:00:00 2018-08-24 02:45:00 tuyr_23 0.90
19 2018-08-24 01:15:00 2018-08-24 02:45:00 tuyr_23 0.90
20 2018-08-24 01:30:00 2018-08-24 02:45:00 tuyr_23 0.90
21 2018-08-24 01:45:00 2018-08-24 02:45:00 tuyr_23 0.90
22 2018-08-24 02:00:00 2018-08-24 02:45:00 tuyr_23 0.90
23 2018-08-24 02:15:00 2018-08-24 02:45:00 tuyr_23 0.90
24 2018-08-24 02:30:00 2018-08-24 02:45:00 tuyr_23 0.90
25 2018-08-24 02:45:00 2018-08-24 02:45:00 tuyr_23 0.90
添加回答
舉報
0/150
提交
取消