熊猫重新采样而不聚合

如何解决熊猫重新采样而不聚合

我已经尝试了很多找到一种方法，该方法允许我在没有任何聚合的情况下获取重采样或组的所有组，例如从：

import pandas as pd
import datetime
import numpy as np

fir_date=pd.to_datetime('1991/12/25')
days = pd.date_range(fir_date,fir_date + datetime.timedelta(100),freq='30T')
data=[]
for i in range(3):
    np.random.seed(seed=i)
    data.append(np.random.randint(1,high=100,size=len(days)))
    
df = pd.DataFrame({'Datetime': days,'feature1': data[0],'feature2': data[1],'feature3': data[2]})
df = df.set_index('Datetime')
df.index = df.index.map(lambda x: x.replace(second=0,microsecond=0))

我能够通过以下方式获得某个重采样的每一组：

df.resample('D').groups

> {Timestamp('1991-12-25 00:00:00',freq='D'): 48,> Timestamp('1991-12-26 00:00:00',freq='D'): 96,> Timestamp('1991-12-27 00:00:00',freq='D'): 144,> Timestamp('1991-12-28 00:00:00',freq='D'): 192,> Timestamp('1991-12-29 00:00:00',freq='D'): 240,...}

输出是一个字典，因此我可以通过以下方式访问特定元素：

df.resample('D').get_group('1991-12-25 00:00:00')

但这似乎不太聪明。

有更好的方法，例如，为每组重采样获取 1 个 DataFrame？？

我知道可以将重采样循环为：

for i in df.resample('D'):
    print(i)
    break

但这不允许我比较不连续的组，或者至少不容易。

处理这个问题有什么好的技巧吗？

解决方法

将选择与 unique 结合使用

import pandas as pd
import datetime
import numpy as np

fir_date=pd.to_datetime('1991/12/25')
days = pd.date_range(fir_date,fir_date + datetime.timedelta(100),freq='30T')
data=[]
for i in range(3):
    np.random.seed(seed=i)
    data.append(np.random.randint(1,high=100,size=len(days)))
    
df = pd.DataFrame({'Datetime': days,'feature1': data[0],'feature2': data[1],'feature3': data[2]})
df['Days'] = df['Datetime'].dt.date # put in your resample step length here,e.g. days,month,...
df = df.set_index('Datetime')
df.index = df.index.map(lambda x: x.replace(second=0,microsecond=0))
for i in df['Days'].unique():
    selection = df[df['Days'] = i]

,

如果需要数据帧列表，请使用列表理解：

dfs = [x for i,x in df.resample('D')]

如果需要字典可以将 resample 对象转换为 tuple 和 dict：

d = dict(tuple(df.resample('D')))