[PYTHON] Bequeme Zeitreihenaggregation mit TimeGrouper von Pandas

Zur Erinnerung, es gab keine Informationen über TimeGrouper wie die Erweiterung von GroupBy in Pandas. Bitte lassen Sie mich wissen, ob es eine de facto Standardmethode gibt!

Beispiel: Nützlich, wenn Sie innerhalb eines bestimmten Zeitraums aggregieren möchten

Beispiel

• Aggregieren Sie alle 6 Monate aus Daten mit monatlichen Werten
• Monatliche Aggregation aus Daten mit Tageswerten
• Täglich aus Daten aggregieren, die Transaktionsdatensätze mit Zeitstempeln enthalten

Zugehöriger Stapelüberlauf

• How to groupby time series by 10 minutes using pandas? [1]

• timegrouper-pandas

Beispiel 1: Aggregieren Sie alle 6 Monate aus Daten mit monatlichen Werten (ab [1]).

ts = pd.date_range('7/1/2008', periods=30, freq='MS') 
df = pd.DataFrame(pd.Series(range(len(ts)), index=ts))
df[0] += 1
df # 2008/7/Erstellen Sie monatliche Datenrahmen ab 1

df2 = pd.DataFrame([0], index = [df.index.shift(-1, freq='MS')[0]])
df2

df2 kann alle 6 Monate aggregiert werden

df2.append(df).groupby(pd.TimeGrouper(freq='6M')).aggregate(np.sum)[1:] 

Beispiel 2: Täglich aus Daten aggregieren, die Transaktionsdatensätze mit Zeitstempeln enthalten

rng = pd.date_range(start = '2014-01-01',periods = 100, freq='H')
df_original = pd.DataFrame({'Volume' : np.random.randint(100,2000,len(rng))}, index=rng)
df_original

Out[148]: 
	Volume
2014-01-01 00:00:00	1484
2014-01-01 01:00:00	1635
2014-01-01 02:00:00	984
2014-01-01 03:00:00	1239
2014-01-01 04:00:00	785
2014-01-01 05:00:00	871
2014-01-01 06:00:00	614
2014-01-01 07:00:00	119
2014-01-01 08:00:00	933
2014-01-01 09:00:00	624
...	...
2014-01-04 19:00:00	1832
2014-01-04 20:00:00	1996
2014-01-04 21:00:00	1040
2014-01-04 22:00:00	1867
2014-01-04 23:00:00	1098
2014-01-05 00:00:00	1397
2014-01-05 01:00:00	1996
2014-01-05 02:00:00	610
2014-01-05 03:00:00	1242
100 rows × 1 columns

df_tmp = pd.DataFrame({'Volume':[0]}, index = [df_original.index.shift(-1, freq='D')[0]])
df_daily=df_tmp.append(df_original).groupby(pd.TimeGrouper(freq='D')).aggregate(np.sum)[1:] 
df_daily

P.S Ich möchte Jupiter in Qiita einbetten