是否有任何类似于 Pandas 的高级库来处理多个分类时间序列数据集？答案

【问题标题】：Is there any advanced Pandas-like library to handle multiple categorical timeseries datasets?是否有任何类似于 Pandas 的高级库来处理多个分类时间序列数据集？
【发布时间】：2022-09-23 21:45:02
【问题描述】：

import this
import numpy as np
import pandas as pd

df = pd.read_csv(\'try2_6stations.csv\') 
# 1) 
parse_dates = [\"Datetime\"],index_col=(\'Datetime\')) 
# or 
# 2) df[\'Datetime\'] = pd.to_datetime(df.Datetime)
print(df.info())

print(df.describe())

df[\'year\'] = pd.DatetimeIndex(air_quality_raw_df.Datetime).year
df[\'month\'] = pd.DatetimeIndex(air_quality_raw_df.Datetime).month
df[\'day\'] = pd.DatetimeIndex(air_quality_raw_df.Datetime).day

df[\'Category1\'] = df[\'Category1\'].astype(\'category\') 
df[\'Category2\'] = df[\'Category2\'].astype(\'category\') 
df[\'Category3\'] = df[\'Category3\'].astype(\'category\')

当我应用 groupby 或 resample 函数时，我得到了错误的答案！

TIA 寻求处理此类数据的建议！

标签： python python-3.x pandas

【解决方案1】：

我对此了解不多，但tsfresh 是一个旨在处理时间序列的包。

https://tsfresh.readthedocs.io/en/latest/

希望这可以帮助：）

【讨论】：