5個分鐘的週期，不論

Question

天

分組日期我有一個數據類似於以下

import pandas as pd; import numpy as np; import datetime; from datetime import timedelta; 

df = pd.DataFrame(index=pd.date_range(start='20160102', end='20170301', freq='5min')) 
df['value'] = np.random.randn(df.index.size) 
df.index += pd.Series([timedelta(seconds=np.random.randint(-60, 60)) 
         for _ in range(df.index.size)]) 

它看起來像這樣

In[37]: df 
Out[37]: 
         value 
2016-01-02 00:00:33 0.546675 
2016-01-02 00:04:52 1.080558 
2016-01-02 00:10:46 -1.551206 
2016-01-02 00:15:52 -1.278845 
2016-01-02 00:19:04 -1.672387 
2016-01-02 00:25:36 -0.786985 
2016-01-02 00:29:35 1.067132 
2016-01-02 00:34:36 -0.575365 
2016-01-02 00:39:33 0.570341 
2016-01-02 00:44:56 -0.636312 
         ... 
2017-02-28 23:14:57 -0.027981 
2017-02-28 23:19:51 0.883150 
2017-02-28 23:24:15 -0.706997 
2017-02-28 23:30:09 -0.954630 
2017-02-28 23:35:08 -1.184881 
2017-02-28 23:40:20 0.104017 
2017-02-28 23:44:10 -0.678742 
2017-02-28 23:49:15 -0.959857 
2017-02-28 23:54:36 -1.157165 
2017-02-28 23:59:10 0.527642 

現在一個數據幀，我的目標，以獲得平均每24小時每5分鐘一次 - 不考慮這些值實際來自哪一天。

我該如何有效地做到這一點？我想我可以以某種方式從我的索引中刪除實際日期，然後使用類似pd.TimeGrouper的內容，但我還沒有弄清楚如何去做。

---

我不那麼偉大的解決方案

我的解決方案迄今已經在這樣的循環使用between_time，只是用一個任意一天。

aggregates = [] 
start_time = datetime.datetime(1990, 1, 1, 0, 0, 0) 

while start_time < datetime.datetime(1990, 1, 1, 23, 59, 0): 
    aggregates.append(
     (
      start_time, 
      df.between_time(start_time.time(), 
          (start_time + timedelta(minutes=5)).time(), 
          include_end=False).value.mean() 
     ) 
    ) 
    start_time += timedelta(minutes=5) 

result = pd.DataFrame(aggregates, columns=['time', 'value']) 

預期

In[68]: result 
Out[68]: 
        time  value 
0 1990-01-01 00:00:00 0.032667 
1 1990-01-01 00:05:00 0.117288 
2 1990-01-01 00:10:00 -0.052447 
3 1990-01-01 00:15:00 -0.070428 
4 1990-01-01 00:20:00 0.034584 
5 1990-01-01 00:25:00 0.042414 
6 1990-01-01 00:30:00 0.043388 
7 1990-01-01 00:35:00 0.050371 
8 1990-01-01 00:40:00 0.022209 
9 1990-01-01 00:45:00 -0.035161 
..     ...  ... 
278 1990-01-01 23:10:00 0.073753 
279 1990-01-01 23:15:00 -0.005661 
280 1990-01-01 23:20:00 -0.074529 
281 1990-01-01 23:25:00 -0.083190 
282 1990-01-01 23:30:00 -0.036636 
283 1990-01-01 23:35:00 0.006767 
284 1990-01-01 23:40:00 0.043436 
285 1990-01-01 23:45:00 0.011117 
286 1990-01-01 23:50:00 0.020737 
287 1990-01-01 23:55:00 0.021030 

[288 rows x 2 columns] 

但是，這並不覺得自己是一個非常熊貓友好解決方案，它的工作原理。

Answer 1

IIUC然後以下應該工作：

In [62]: 
df.groupby(df.index.floor('5min').time).mean() 

Out[62]: 
      value 
00:00:00 -0.038002 
00:05:00 -0.011646 
00:10:00 0.010701 
00:15:00 0.034699 
00:20:00 0.041164 
00:25:00 0.151187 
00:30:00 -0.006149 
00:35:00 -0.008256 
00:40:00 0.021389 
00:45:00 0.016851 
00:50:00 -0.074825 
00:55:00 0.012861 
01:00:00 0.054048 
01:05:00 0.041907 
01:10:00 -0.004457 
01:15:00 0.052428 
01:20:00 -0.021518 
01:25:00 -0.019010 
01:30:00 0.030887 
01:35:00 -0.085415 
01:40:00 0.002386 
01:45:00 -0.002189 
01:50:00 0.049720 
01:55:00 0.032292 
02:00:00 -0.043642 
02:05:00 0.067132 
02:10:00 -0.029628 
02:15:00 0.064098 
02:20:00 0.042731 
02:25:00 -0.031113 
...   ... 
21:30:00 -0.018391 
21:35:00 0.032155 
21:40:00 0.035014 
21:45:00 -0.016979 
21:50:00 -0.025248 
21:55:00 0.027896 
22:00:00 -0.117036 
22:05:00 -0.017970 
22:10:00 -0.008494 
22:15:00 -0.065303 
22:20:00 -0.014623 
22:25:00 0.076994 
22:30:00 -0.030935 
22:35:00 0.030308 
22:40:00 -0.124668 
22:45:00 0.064853 
22:50:00 0.057913 
22:55:00 0.002309 
23:00:00 0.083586 
23:05:00 -0.031043 
23:10:00 -0.049510 
23:15:00 0.003520 
23:20:00 0.037135 
23:25:00 -0.002231 
23:30:00 -0.029592 
23:35:00 0.040335 
23:40:00 -0.021513 
23:45:00 0.104421 
23:50:00 -0.022280 
23:55:00 -0.021283 

[288 rows x 1 columns] 

在這裏，我floor上的時間屬性的索引爲「5分鐘」的時間間隔，然後組和聚集mean