熊猫按时间分组并指定开始时间

Question

-- 编辑 我注意到我输入的时间不是我想要的。我将下午 12 点之后的时间转换为 24 小时制。不过，unutbu 的回答应该还是很清楚的。

-- 第二次编辑。我改变了数据来做一个更好的例子。

下面是按日期索引的时间序列。我想从 start_datetime 开始进行聚合，并根据下面的 timedelta（9.5 小时 = 34200 秒）继续聚合。

def main():

    # start_datetime = datetime.datetime(2013, 1, 1, 8)
    # end_datetime = datetime.datetime(2013, 1, 1, 5, 30)
    s = pd.Series(
        np.arange(2, 10),
        pd.to_datetime([
            '20130101 7:34:04', '20130101 8:34:08', '20130101 10:34:08',
            '20130101 12:34:15', '20130101 13:34:28', '20130101 12:34:54',
            '20130101 14:34:55', '20130101 17:29:12']))

    print(s)
    bar_size = datetime.timedelta(seconds=60*60*9.5)
    time_group = pd.Grouper(
        freq=pd.Timedelta(bar_size), closed='left', label='right')
    foobar = s.groupby(time_group).agg(np.sum)
    print(foobar)

if __name__ == "__main__":
    main()

运行上面的代码将输出以下内容：

2013-01-01 09:30:00     5
2013-01-01 19:00:00    39
Freq: 570T, dtype: int64

pandas 内部人员决定从午夜而不是上午 8:00 开始分组。我找不到强制数据框在上午 8:00 开始分组的方法。有没有人有使用熊猫函数的解决方案？

Answer 1

用于base=480将起点移动 480 分钟（8 小时）。单位以分钟为单位，因为 Grouper 频率为570T（T，此处表示分钟）：

import datetime
import pandas as pd

def main():

    start_datetime = datetime.datetime(2013, 1, 1, 8)
    s = pd.Series(
        range(8),
        pd.to_datetime([
            '20130101 8:34:04', '20130101 10:34:08', '20130101 10:34:08',
            '20130101 12:34:15', '20130101 1:34:28', '20130101 3:34:54',
            '20130101 4:34:55', '20130101 5:29:12']))

    bar_size = datetime.timedelta(seconds=60*60*9.5)
    time_group = pd.Grouper(freq=bar_size, closed='left', label='right', 
                            base=480)
    foobar = s.groupby(time_group).agg(sum)
    print(foobar)

if __name__ == "__main__":
    main()

产量

2013-01-01 08:00:00    22
2013-01-01 17:30:00     6
Freq: 570T, dtype: int64

在内部，当pd.Grouper给定频率，一个TimeGrouper是返回：

In [81]: time_group
Out[81]: <pandas.core.resample.TimeGrouper at 0x7f1499a32198>

所以传递给的参数pd.Grouper实际上是传递给pd.TimeGrouper.

In [82]: pd.TimeGrouper?
Init signature: pd.TimeGrouper(self, freq='Min', closed=None, label=None,
                               how='mean', nperiods=None, axis=0,
                               fill_method=None, limit=None, loffset=None,
                               kind=None, convention=None, base=0, **kwargs)

该TimeGrouper文档不解释base参数，但它的含义相同df.resample：

In [83]: df.resample?
Parameters
----------
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