Python Pandas – 如何在DateTimeIndex上执行分钟级别的上取整操作

在处理时间序列数据时，我们可能需要将时间轴的时刻上取整到分钟、小时或天等级别。这篇文章将介绍如何在Python Pandas中对时间序列数据进行分钟级别的上取整操作。

示例代码

下面的代码演示了如何使用resample函数将分钟级别的时间序列数据上取整到小时级别：

import pandas as pd
import numpy as np

# 创建一个分钟级别的时间序列数据
date_rng = pd.date_range(start='1/1/2020 00:00', end='1/1/2020 01:30', freq='min') 
df = pd.DataFrame(date_rng, columns=['date'])
df['data'] = np.random.randint(0,100,size=(len(date_rng)))

# 将时间序列数据上取整到小时级别
df = df.set_index('date')
df = df.resample('H').mean()

print(df)

上述代码中，我们首先创建了一个分钟级别的时间序列数据，其中包含了从’1/1/2020 00:00’到’1/1/2020 01:30’期间每分钟的时间戳。然后我们将该数据的索引设置为时间戳，并使用resample函数将其上取整到小时级别，并计算每个小时内数据的平均值。

代码说明

在上述代码中，我们使用了Pandas中的resample函数将时间序列数据上取整到小时级别，并且计算出了每个小时内数据的平均值。resample函数的用法如下：

df.resample('H').agg(func)

其中，’H’表示要将时间序列数据上取整到小时级别，func表示要对每个小时内的数据进行的计算操作，例如求平均值、求和等。

自动识别代码语言并标记

下面的代码演示了如何让Markdown自动识别代码语言并进行相应的标记：

```python
import pandas as pd
import numpy as np

# 创建一个分钟级别的时间序列数据
date_rng = pd.date_range(start='1/1/2020 00:00', end='1/1/2020 01:30', freq='min') 
df = pd.DataFrame(date_rng, columns=['date'])
df['data'] = np.random.randint(0,100,size=(len(date_rng)))

# 将时间序列数据上取整到小时级别
df = df.set_index('date')
df = df.resample('H').mean()

print(df)
```

Markdown会自动识别代码语言为Python，并为代码块添加相应的高亮标记。