熊猫将数据绑定到df中

Question

我有一个时间序列数据的CSV文件，它是一个标有oatSensor (外部空气温度传感器根据不同过程的条件过滤)的列，如果可能的话，我想找一种方法将数据以“每天”的方式存储。

例如，我可以用下面的代码来存储整个数据集。外部空气温度值的增量为-5至55。

import pandas as pd

df = pd.read_csv('ahu1OatFiltHourFilt.csv', index_col='Date', parse_dates=True)
df.describe()

cats = ['-5--1',
        '0-4','5-9','10-14','15-19','20-24',
        '25-29','30-34','35-39','40-44','45-49','50-54']
bins = [-5, 0,
        5, 10, 15, 20, 25, 30, 35,
       40, 45, 50, 55]

df2 = (df.groupby([df.index, pd.cut(df['oatSensor'], bins, labels=cats)])
            .size()
            .unstack(fill_value=0)
            .reindex(columns=cats, fill_value=0))

df2.sum(axis = 0)

它将输出以下内容：

oatSensor

-5--1      3
0-4        6
5-9       19
10-14     49
15-19     65
20-24    125
25-29    230
30-34    201
35-39    171
40-44    205
45-49    179
50-54    183
dtype: int64

但最终我希望找到一种方法：

1)为每个bin类别cats df4 = pd.DataFrame(df2, columns=cats)创建单独的df列

2)为每个day的每个sum重新采样整个数据。

希望这样，我正在使用的数据在这个git回购中。

谢谢你的帮助。

编辑--如果我使用df3 = df2.stack() --这给了我想要的(除了重采样之外)，但是我如何实现创建单独的cats数据格式，然后可以每天重放一笔数据呢？

Date                 oatSensor
2018-09-26 05:00:00  -5--1        0
                     0-4          0
                     5-9          0
                     10-14        0
                     15-19        0
                     20-24        0
                     25-29        0
                     30-34        0
                     35-39        0
                     40-44        0
                     45-49        0
                     50-54        1
2018-09-26 06:00:00  -5--1        0
                     0-4          0
                     5-9          0
                     10-14        0
                     15-19        0
                     20-24        0
                     25-29        0
                     30-34        0
                     35-39        0
                     40-44        0
                     45-49        0
                     50-54        1

Answer 1

我认为您想要的是一个数据，其中每一行都是您所描述的回收箱中观察到的数量的总和，并在观察进行的当天建立索引。

如果这是真的，那么我认为你是超级，超级亲密！

变化

df2 = (df.groupby([df.index, pd.cut(df['oatSensor'], bins, labels=cats)]) .size() .unstack(fill_value=0) .reindex(columns=cats, fill_value=0))

改为：

df2 = (df.groupby([df.index.date, pd.cut(df['oatSensor'], bins, labels=cats)]) .size() .unstack(fill_value=0) .reindex(columns=cats, fill_value=0))

更改是将.date添加到groupby中的第一个参数。这将给您提供数据，就像我前面描述的那样。

我不确定这是否符合您关于每个cat的单独数据格式的观点。通过我创建的dataframe，您可以为任何列创建一个新的df，只需：

df_cat = df2['-5--1']

Answer 2

试试这段代码。祝你好运;)

import pandas as pd

distance = 5
url = 'https://raw.githubusercontent.com/bbartling/Data/master/ahu1OatFiltHourFilt.csv'
df = pd.read_csv(url)
df['Date'] = pd.to_datetime(df['Date'])
min = df.oatSensor.min()
max = df.oatSensor.max()
min = int(min - (min % distance))
max = int(max + distance - (max % distance))
labels = ["{0} - {1}".format(i, i + distance) for i in range(min, max, 
distance)]
df['group'] = pd.cut(df.oatSensor, range(min, max + distance, distance), 
right=False, labels=labels)
df2 = df.groupby(['group']).count()
df['one'] = 1
df3 = df.pivot_table('one','Date','group')
print(df3.tail())

退出：

# group                -5 - 0  0 - 5  5 - 10  ...  85 - 90  90 - 95  95 - 100
# Date                                        ...                            
# 2019-07-06 13:00:00     NaN    NaN     NaN  ...      NaN      NaN       NaN
# 2019-07-06 14:00:00     NaN    NaN     NaN  ...      NaN      NaN       NaN
# 2019-07-06 15:00:00     NaN    NaN     NaN  ...      NaN      NaN       NaN
# 2019-07-06 16:00:00     NaN    NaN     NaN  ...      NaN      NaN       NaN
# 2019-07-09 15:00:00     NaN    NaN     NaN  ...      1.0      NaN       NaN