是否可以以某种方式resample对不规则间距的数据使用？（我知道文档说这是为了“对常规时间序列数据进行重采样”，但是我想尝试一下它是否也适用于不规则数据。也许不行，或者我做错了。）
在我的真实数据中，我通常每小时有2个样本，它们之间的时间差通常在20到40分钟之间。因此，我希望将其重新采样为常规的每小时序列。
为了测试我是否使用正确，我使用了一些我已经拥有的随机日期列表，因此它可能不是最佳示例，但至少一个适用于它的解决方案将非常可靠。这里是：
fraction number time
0 0.729797 0 2014-10-23 15:44:00
1 0.141084 1 2014-10-30 19:10:00
2 0.226900 2 2014-11-05 21:30:00
3 0.960937 3 2014-11-07 05:50:00
4 0.452835 4 2014-11-12 12:20:00
5 0.578495 5 2014-11-13 13:57:00
6 0.352142 6 2014-11-15 05:00:00
7 0.104814 7 2014-11-18 07:50:00
8 0.345633 8 2014-11-19 13:37:00
9 0.498004 9 2014-11-19 22:47:00
10 0.131665 10 2014-11-24 15:28:00
11 0.654018 11 2014-11-26 10:00:00
12 0.886092 12 2014-12-04 06:37:00
13 0.839767 13 2014-12-09 00:50:00
14 0.257997 14 2014-12-09 02:00:00
15 0.526350 15 2014-12-09 02:33:00
现在我想每月重新采样一次：
df_new = df.set_index(pd.DatetimeIndex(df['time']))
df_new['fraction'] = df.fraction.resample('M',how='mean')
df_new['number'] = df.number.resample('M',how='mean')
但是我明白了TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'RangeIndex'-除非我在分配datetime索引时做错了事，那一定是由于不规则性造成的吗？
所以我的问题是：
（我只看到一种解决方案，首先为数据重新编制索引以获得更细的间隔，然后插值之间的值，然后将其重新编制为每小时间隔。如果是这样，那么不久就会出现有关正确执行重新编制索引的问题。）
您无需显式使用DatetimeIndex，只需设置'time'为index即可，其余的将由pandas负责，只要您的'time'列已使用pd.to_datetime或其他方法转换为datetime即可。此外，如果使用相同的方法，则无需分别对每列进行重新采样；只需在整个DataFrame上执行即可。
# Convert to datetime, if necessary.
df['time'] = pd.to_datetime(df['time'])
# Set the index and resample (using month start freq for compact output).
df = df.set_index('time')
df = df.resample('MS').mean()
结果输出：
fraction number
time
2014-10-01 0.435441 0.5
2014-11-01 0.430544 6.5
2014-12-01 0.627552 13.5
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句