小编Mar*_*s W的帖子

我有以下15分钟的数据作为dataframe3年.前两列是索引.

2014-01-01 00:15:00  1269.6      
2014-01-01 00:30:00  1161.6      
2014-01-01 00:45:00  1466.4      
2014-01-01 01:00:00  1365.6      
2014-01-01 01:15:00  1362.6      
2014-01-01 01:30:00  1064.0      
2014-01-01 01:45:00  1171.2      
2014-01-01 02:00:00  1171.0      
2014-01-01 02:15:00  1330.4      
2014-01-01 02:30:00  1309.6      
2014-01-01 02:45:00  1308.4      
2014-01-01 03:00:00  1494.0    

我曾经习惯于resample获得月平均值的第二个系列.

data_Monthly = data.resample('1M', how='mean')

如何将最后一列中的值除以月平均值,结果仍然是15分钟粒度的时间序列？

我从.csv文件读入以下数据帧,其中"Date"列是索引.日期在行中,列显示当天的小时值.

> Date           h1 h2  h3  h4 ... h24
> 14.03.2013    60  50  52  49 ... 73

我想像这样安排它,这样就有一个索引列带有日期/时间,一列带有序列中的值

>Date/Time            Value
>14.03.2013 00:00:00  60
>14.03.2013 01:00:00  50
>14.03.2013 02:00:00  52
>14.03.2013 03:00:00  49
>.
>.
>.
>14.03.2013 23:00:00  73

我通过使用两个循环来遍历数据帧来尝试它.在熊猫中有更简单的方法吗？

几年来,我有以下格式的每小时数据帧:

Date/Time            Value
01.03.2010 00:00:00  60
01.03.2010 01:00:00  50
01.03.2010 02:00:00  52
01.03.2010 03:00:00  49
.
.
.
31.12.2013 23:00:00  77

我想平均数据,这样我就可以得到每年的0小时,1小时......小时23的平均值.

所以输出应该看起来像这样:

Year Hour           Avg
2010 00              63
2010 01              55
2010 02              50
.
.
.
2013 22              71
2013 23              80

有谁知道如何在熊猫中获得这个？

我想使用以下代码从Pandas数据帧生成Scatterplot:

df.plot.scatter(x='one', y='two, title='Scatterplot') 

是否有可以使用Statement发送的参数,因此它绘制了一个回归线并显示拟合的参数？

就像是:

df.plot.scatter(x='one', y='two', title='Scatterplot', Regression_line)

我想通过简单地传递日期和时间来删除Python Dataframe中的一行.

Dataframe具有以下结构:

Date_Time             Price1   Price2    Price3                       
2012-01-01 00:00:00    63.05    41.40    68.14
2012-01-01 01:00:00    68.20    42.44    59.64
2012-01-01 02:00:00    61.68    43.18    49.81

我一直在努力 df = df.drop('2012-01-01 01:00:00')

但我不断收到以下错误消息:

exceptions.ValueError: labels [2012-01-01 01:00:00] not contained in axis

任何有关删除行或只是删除值的帮助将非常感激.

:-)

我有以下 15 分钟的数据作为 3 年的数据框。前两列是索引。

2014-01-01 00:15:00  1269.6      
2014-01-01 00:30:00  1161.6      
2014-01-01 00:45:00  1466.4      
2014-01-01 01:00:00  1365.6      
2014-01-01 01:15:00  1362.6      
2014-01-01 01:30:00  1064.0      
2014-01-01 01:45:00  1171.2      
2014-01-01 02:00:00  1171.0      
2014-01-01 02:15:00  1330.4      
2014-01-01 02:30:00  1309.6      
2014-01-01 02:45:00  1308.4      
2014-01-01 03:00:00  1494.0 

我想将数据抵消/转移到上一年，以便 2014-01-01 00:15:00 1269.6 将其转换为 2013-01-01 00:15:00 1269.6.

我已经使用 df = df.shift(-1, freq='15min') 将数据帧移至过去 15 分钟，但不希望偏移/移动 15 分钟间隔的数量，因为这可能会导致闰年和随着时钟的变化。

有人对此有一个顺利的解决方案吗？

我有一个df像这样分组的数据框：

Year    Product Sales
2010        A   111
            B   20
            C   150
2011        A   10
            B   28
            C   190
            …   …

我想将此绘制matplotlib为3d图表，其中Year以x为轴，Salesy轴Product为z轴。

我一直在尝试以下方法：

from mpl_toolkits.mplot3d import axes3d
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
X = dfgrouped['Year']
Y = dfgrouped['Sales']
Z = dfgrouped['Product']
ax.bar(X, Y, Z, color=cs, alpha=0.8)

不幸的是我越来越

“ ValueError：大小不兼容：参数'height'必须为长度7或标量”

我正在尝试运行sklearn.metrics.classification_report,我的数据在Pandas数据帧中.数据框df_joined看起来像这样,有100行:

Timestamp    Label       Pred
2016-10-05   29.75  30.781430
2016-10-06   30.35  31.379146
2016-10-07   31.59  31.174824
2017-02-13   29.63  29.875497
2017-02-14   29.60  29.923161
2017-02-15   30.22  30.257284
2017-02-16   30.12  30.374257
2017-02-17   30.09  30.357196
2017-02-20   31.03  30.971070
2017-02-21   31.05  30.930189

我现在正在尝试打印classification_report

print 'Classification Report:', '\n', sklearn.metrics.classification_report(df_joined[label],df_joined['Pred'] )

我收到错误:

文件"\ Python\WinPython-32bit-2.7.10.3\python-2.7.10\lib\site-packages\sklearn\utils\multiclass.py",第106行,在unique_labels中引发ValueError("未知标签类型:%r" %ys)

TypeError:并非在字符串格式化期间转换所有参数

我一直试图使用,sklearn.metrics.classification_report(df_joined[label].values, df_joined['Pred'].values)但它产生相同的错误.

有人知道这是从哪里来的？

我从yahoo finance下载了每日数据

                    Open          High           Low         Close     Volume  \
Date                                                                            
2016-01-04  10485.809570  10485.910156  10248.580078  10283.440430  116249000   
2016-01-05  10373.269531  10384.259766  10173.519531  10310.099609   82348000   
2016-01-06  10288.679688  10288.679688  10094.179688  10214.019531   87751700   
2016-01-07  10144.169922  10145.469727   9810.469727   9979.849609  124188100   
2016-01-08  10010.469727  10122.459961   9849.339844   9849.339844   95672200   
...
2016-02-23   9503.120117   9535.120117   9405.219727   9416.769531   87240700   
2016-02-24   9396.480469   9415.330078   9125.190430   9167.799805   99216000   
2016-02-25   9277.019531   9391.309570   9199.089844   9331.480469          0   
2016-02-26   9454.519531   9576.879883   9436.330078   9513.299805   95662100   
2016-02-29   9424.929688   9498.570312   9332.419922   9495.400391   90978700   

我想找到每个月的最高收盘价以及收盘价的日期.

使用groupby,dfM = df['Close'].groupby(df.index.month).max()它会返回每月最大值,但我会丢失每日索引位置.

   grouped by month 
1 …