使用包含时间序列的多索引重新采样pandas数据框

如何解决使用包含时间序列的多索引重新采样pandas数据框

首先让我们定义一个重采样函数：

def resampler(x):    
    return x.set_index('datetime').resample('D').mean().rolling(window=2).mean()

然后，我们对job_id进行分组并应用重采样器功能：

 df.reset_index(level=2).groupby(level=1).apply(resampler)

Out[657]: 
                          a         b
job_id datetime                      
job1   2017-06-23       NaN       NaN
       2017-06-24  0.053378  0.004727
       2017-06-25  0.265074  0.234081
       2017-06-26  0.192286  0.138148
job2   2017-06-26       NaN       NaN
       2017-06-27 -0.016629 -0.041284
       2017-06-28 -0.028662  0.055399
       2017-06-29  0.113299 -0.204670
job3   2017-06-29       NaN       NaN
       2017-06-30  0.233524 -0.194982
       2017-07-01  0.068839 -0.237573
       2017-07-02 -0.051211 -0.069917

让我知道这是否是您要的。

解决方法

为创建这个问题的重复而道歉。我有一个数据框，其形状大致如下图所示：

df_lenght = 240
df = pd.DataFrame(np.random.randn(df_lenght,2),columns=['a','b'] )
df['datetime'] = pd.date_range('23/06/2017',periods=df_lenght,freq='H')

unique_jobs = ['job1','job2','job3',]
job_id = [unique_jobs for i in range (1,int((df_lenght/len(unique_jobs))+1),1) ]
df['job_id'] = sorted( [val for sublist in job_id for val in sublist] )

df.set_index(['job_id','datetime'],append=True,inplace=True)

print(df[:5]) 返回：

                                     a         b
  job_id datetime                               
0 job1   2017-06-23 00:00:00 -0.067011 -0.516382
1 job1   2017-06-23 01:00:00 -0.174199  0.068693
2 job1   2017-06-23 02:00:00 -1.227568 -0.103878
3 job1   2017-06-23 03:00:00 -0.847565 -0.345161
4 job1   2017-06-23 04:00:00  0.028852  3.111738

我将需要重新采样df['a']以得出每日滚动平均值，即应用.resample('D').mean().rolling(window=2).mean()。

我尝试了两种方法：

1 -拆垛和堆积，建议在这里

df.unstack('job_id','datetime').resample('D').mean().rolling(window=2).mean().stack('job_id','datetime')

这返回一个错误

2 -使用pd.Grouper，建议在这里

level_values = df.index.get_level_values
result = df.groupby( [ level_values(i) for i in [0,1] ] + [ pd.Grouper(freq='D',level=2) ] ).mean().rolling(window=2).mean()

这不会返回错误，但似乎并没有适当地对df重新采样/分组。结果似乎包含每小时数据点，而不是每天：

print(result[:5])
                            a         b
  job_id datetime                      
0 job1   2017-06-23       NaN       NaN
1 job1   2017-06-23  0.831609  1.348970
2 job1   2017-06-23 -0.560047  1.063316
3 job1   2017-06-23 -0.641936 -0.199189
4 job1   2017-06-23  0.254402 -0.328190