问题描述
我有一个包含时间段内计数的数据框（3 小时内的降雨量），如下所示：
time_stamp,rain_fall_in_mm
2019-01-01 00:03:00,0.0
2019-01-01 00:06:00,3.9
2019-01-01 00:09:00,0.0
2019-01-01 00:12:00,1.2
我需要将数据帧上采样到 1 小时的时间段，我想平均降雨计数，以便没有 NaN 并且总降雨量保持不变，这意味着这是所需的结果:
time_stamp,rain_fall_in_mm
2019-01-01 00:01:00,0.0
2019-01-01 00:02:00,0.0
2019-01-01 00:03:00,0.0
2019-01-01 00:04:00,1.3
2019-01-01 00:05:00,1.3
2019-01-01 00:06:00,1.3
2019-01-01 00:07:00,0.0
2019-01-01 00:08:00,0.0
2019-01-01 00:09:00,0.0
2019-01-01 00:10:00,0.4
2019-01-01 00:11:00,0.4
2019-01-01 00:12:00,0.4
我发现我可以执行 series.resample('1H').bfill() 或 series.resample('1H').pad() 之类的操作。这些解决了重采样问题，但不能满足所需的平均值。你有什么建议吗？ Tnx
解决方法
试试这个：
df2 = df.reindex(pd.date_range(start = '1/1/2019',periods = 13,freq='1min'))
df2.fillna(0).groupby((~df2['rain_fall_in_mm'].isna()).iloc[::-1].cumsum()).transform('mean')
首先，确保您的索引是日期时间格式。如果不是，您可以通过以下方式执行此操作：
df.set_index(pd.date_range(start=df.time_stamp[0],periods=len(df),freq='3H'),inplace=True)
如果只想放大一列，就用这个
df_rain_hourly_column = df.resample('H').bfill().rain / 3.
如果您的初始 df 只包含浮点数，您可以对整个数据框进行操作
df2 = df.resample('H').bfill() / 3.
除以 3.（old_time_period/new_time_period 的长度因子）有点麻烦，但我真的没有在任何地方找到更通用和简单的解决方案。