用小时来抵消数据的一部分

Question

我有一部分测量仪器的时间被配置错了，这需要纠正。

因此，我试图在2小时内抵消或移动部分数据，但我似乎无法让它使用我的以下代码：

dfs['2015-03-23 10:45:00':'2015-03-23 13:15:00'].shift(freq=datetime.timedelta(hours=2))

不过，我不知道这样做是否容易。

希望有人理解我的问题:)

>>> dfs.info()
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 11979 entries, 2015-03-23 10:45:05 to 2015-03-23 16:19:32
Data columns (total 11 columns):
CH-1[V]        11979 non-null float64
CH-2[V]        11979 non-null float64
CH-3[V]        11979 non-null float64
CH-4[V]        11979 non-null float64
CH-5[V]        11979 non-null float64
CH-6[V]        11979 non-null float64
CH-7[V]        11979 non-null float64
CH-9[C]        11979 non-null float64
CH-10[C]       11979 non-null float64
Event          11979 non-null int64
Unnamed: 11    0 non-null float64
dtypes: float64(10), int64(1)
memory usage: 1.1 MB

Answer 1

熊猫指数是不可变的，所以我们不能改变指数。但是，我们可以将索引设置为DataFrame列，修改该列，然后重置索引：

import numpy as np
import pandas as pd

# Suppose this is your `dfs`:
index = pd.date_range('2015-03-23 10:45:05', '2015-03-23 16:19:32', freq='T')
N = len(index)
dfs = pd.DataFrame(np.arange(N), index=index)

# move the index into a column
dfs = dfs.reset_index()
mask = (index >= '2015-03-23 10:45:00') & (index <= '2015-03-23 13:15:00')

# shift the masked values in the column
dfs.loc[mask, 'index'] += pd.Timedelta(hours=2)

# use the index column as the index
dfs = dfs.set_index(['index'])

这表明索引已经移动了2个小时：

In [124]: dfs.iloc[np.where(mask)[0].max()-1:].head(5)
Out[124]: 
                       0
index                   
2015-03-23 15:13:05  148
2015-03-23 15:14:05  149    <-- shifted by 2 hours
2015-03-23 13:15:05  150    <-- unchanged
2015-03-23 13:16:05  151
2015-03-23 13:17:05  152