小编Vit*_*han的帖子

我有一个带有日期时间索引的pandas Dataframe,如'YYYY-MM-DD HH:MM:SS'.

Index               Parameter
2007-05-02 14:14:08     134.8
2007-05-02 14:14:32     134.8 
2007-05-02 14:14:41     134.8 
2007-05-02 14:14:53     134.8 
2007-05-02 14:15:01     134.8 
2007-05-02 14:15:09     134.8 
......
2007-05-30 23:08:02     105.9 
2007-05-30 23:18:02     105.9 
2007-05-30 23:28:02     105.9 
2007-05-30 23:38:03     105.8 

可以按年df['2007']或按月分割数据帧df['2007-05']吗？

但是,当我试图在白天切片DataFrame时df['2007-05-02'],我得到了错误:

KeyError: < Timestamp: 2007-02-05 00:00:00. 

我使用pandas版本8.0.1.是否可以以比年或月更小的频率切片DataFrame？例如,按天或小时？

我有一个像pandas DataFrame:

          A    B  
'2010-01-01'  10  20   
'2010-02-01'  20  30  
'2010-03-01'  30  10  

我需要为每个列应用一些函数,并在此DataFrame中使用特殊名称创建新列.

               A   B A1 B1  
'2010-01-01'  10  20 20 40  
'2010-02-01'  20  30 40 60  
'2010-03-01'  30  10 60 20

所以我需要创建两个带有名称的列,A1并B2基于列A和B(如名称A1 = str(A) + str(1))乘以2.是否可以使用DataFrame.apply()或其他结构？

我有多个网格（numpy数组[Nk，Ny，Nx]），并希望使用Hausdorff距离作为这些网格的相似性度量。scipy中有多个模块（scipy.spatial.distance.cdist，scipy.spatial.distance.pdist），可用于计算2D阵列之间的欧几里得距离。现在要比较网格，我必须选择一些横截面（例如grid1 [0 ,:]和grid2 [0 ,:]）并将其相互比较。是否可以直接计算3D网格之间的Hausdorff距离？