2

開店時間と閉店時間の間に観測が行われるデータセットを扱っていますが、サービスは開店の翌日に終了します。たとえば、午前 7 時に開店し、翌日の午前 1 時に閉店します。

これは非常に一般的な問題のように感じます。私はそれを検索しましたが、検索する正しい用語を知らないかもしれないという事実にオープンです。

私の使用のほとんどでは、次のようなことをするだけで十分です：

   open_close = pd.DatetimeIndex(start='2012-01-01 05:00:00', periods = 15, offset='D')

次に、df で楽しい小さな groupby を実行できます。
df.groupby(open_close.asof).agg(func).

しかし、これらの開閉期間の複数を取得する必要があるインスタンスに遭遇しました。私が本当にできるようにしたいのは、1日の開始時刻を選択できる DatetimeIndex を持つことです。したがって、「日」を午前 5 時から午前 5 時までと再定義できます。これの良いところは、次のようなものを使用df[df.index.dayofweek == 6]して、日曜日の午前 5 時からモンダの午前 5 時までのすべてを取得できることです。

ピリオド…というか、パンダの中の何かがこの要求を予期していたようです。それを理解するのを助けたいです。

編集：

また、適切な日で別の列を作成することでこれを理解しました
df['shift_day'] = df['datetime'].apply(magicFunctionToFigureOutOpenClose)
。これにより、進行が妨げられることはありません。パッケージ（または日時...またはどこか...）にうまく統合できるもののように感じます

4

1 に答える 1

1

おそらくbasedf.resample() のパラメータが役立ちます:

base : int, default 0
    For frequencies that evenly subdivide 1 day, the "origin" of the
    aggregated intervals. For example, for '5min' frequency, base could
    range from 0 through 4. Defaults to 0

次に例を示します。

In [44]: df = pd.DataFrame(np.random.rand(28),
....:           index=pd.DatetimeIndex(start='2012/9/1', periods=28, freq='H'))

In [45]: df
Out[45]: 
                            0
2012-09-01 00:00:00  0.970273
2012-09-01 01:00:00  0.730171
2012-09-01 02:00:00  0.508588
2012-09-01 03:00:00  0.535351
2012-09-01 04:00:00  0.940255
2012-09-01 05:00:00  0.143483
2012-09-01 06:00:00  0.792659
2012-09-01 07:00:00  0.231413
2012-09-01 08:00:00  0.071676
2012-09-01 09:00:00  0.995202
2012-09-01 10:00:00  0.236551
2012-09-01 11:00:00  0.904853
2012-09-01 12:00:00  0.652873
2012-09-01 13:00:00  0.488400
2012-09-01 14:00:00  0.396647
2012-09-01 15:00:00  0.967261
2012-09-01 16:00:00  0.554188
2012-09-01 17:00:00  0.884086
2012-09-01 18:00:00  0.418577
2012-09-01 19:00:00  0.189584
2012-09-01 20:00:00  0.577041
2012-09-01 21:00:00  0.100332
2012-09-01 22:00:00  0.294672
2012-09-01 23:00:00  0.925425
2012-09-02 00:00:00  0.630807
2012-09-02 01:00:00  0.400261
2012-09-02 02:00:00  0.156469
2012-09-02 03:00:00  0.658608

 

In [46]: df.resample("24H", how=sum, label='left', closed='left', base=5)
Out[46]: 
                             0
2012-08-31 05:00:00   3.684638
2012-09-01 05:00:00  11.671068

In [47]: df.ix[:5].sum()
Out[47]: 0    3.684638

In [48]: df.ix[5:].sum()
Out[48]: 0    11.671068
于 2012-11-10T23:27:20.853 に答える