小编ere*_*per的帖子

问题

我在 Pandas DataFrame 中有一个列，其中包含带时区的时间戳。本专栏中有两个不同的时区，我需要确保只有一个。这是列末尾的输出：

260003    2019-05-21 12:00:00-06:00
260004    2019-05-21 12:15:00-06:00
Name: timestamp, Length: 260005, dtype: object

对于它的价值，时间戳在-06:00和之间变化-07:00，并具有以下输出：

datetime.datetime(2007, 10, 1, 1, 0, tzinfo=tzoffset(None, -21600))对于-06:00 datetime.datetime(2007, 11, 17, 5, 15, tzinfo=tzoffset(None, -25200))为-07:00

我做过什么

我一直在尝试使用 tz.localize 和 tz.convert，它们过去运行良好，但我认为数据只有一个时区。例如，如果我这样做：

df['timestamp'].dt.tz_localize('MST', ambiguous='infer').dt.tz_convert('MST')

我得到：

ValueError: Array must be all same time zone

During handling of the above exception, another exception occurred:

ValueError: Tz-aware datetime.datetime cannot be converted to datetime64 unless utc=True

题

有没有办法将这些转换为 MST？或者任何时区，真的吗？我想我可以按时区分解 DataFrame（不是 100% …

问题

我需要将 DataFrame 的长度减少到某个外部定义的整数（可能是两行、10,000 行等，但总长度会减少），但我也想保留生成的 DataFrame 代表原始数据. 原始 DataFrame（我们称之为df）有一个datetime列 ( utc_time) 和一个数据值列 ( data_value)。日期时间始终是连续的、不重复的，但间隔不均匀（即，数据可能“丢失”）。对于此示例中的 DataFrame，时间戳以十分钟为间隔（当数据存在时）。

尝试

为了实现这一点，我立即按照以下逻辑进行重采样：找到第一个和最后一个时间戳之间的秒数差，将其除以所需的最终长度，这就是重采样因子。我在这里设置：

# Define the desired final length.
final_length = 2
# Define the first timestamp.
first_timestamp = df['utc_time'].min().timestamp()
# Define the last timestamp.
last_timestamp = df['utc_time'].max().timestamp()
# Define the difference in seconds between the first and last timestamps.
delta_t = last_timestamp - first_timestamp
# Define the resampling factor.
resampling_factor = np.ceil(delta_t / final_length)

# Set the index from …

我正在处理一些(杂乱的)遗留代码,我在以下内容中遇到了这个代码段Form_Load:

[other code]

Dim r As Byte
Dim g As Byte
Dim b As Byte
Randomize

[more code]

对于VB的许多部分我还是比较新的,所以请原谅我的无知,如果它是公然的,并且打你的脸,但是有人能告诉我这里发生了什么吗？我对变量声明很好,那些有意义.但是什么是"随机化"只是挂在那里？这应该是VB的随机函数吗？如果是这样,它实际上并没有在这里做任何事情,是吗？我最初认为它是调用原始设计者所写的函数/子函数,但不存在类似的东西.程序中没有错误(虽然有数百个无用的行),如果我评论"随机化",似乎没有任何改变.