准备数据集时间序列数据

Question

所以我正在做一个项目，我有一些想要预测的时间序列数据。问题是我的数据集由取自水源的不同水样组成，并且存在于单个 csv 文件中。

我的数据集看起来有点像这样：

Date         Sample_Name        pH    temp    etc...

2009-01-01    ABC1              7.2    12
2009-01-02    ABC2              5.5    11
.
.
.
2015-01-05    ABC1              8.9    13
2015-01-05    ABC4              8.8    13

所以 ABC1 和 ABC2 是不同的样本，每个月都有信息记录。我想做的是明确地将 ABC1 输入模型，但我不知道该怎么做。我可以使用这行代码按名称对样本进行分组：

abc1 = df.loc[df['Sample_Name'] == "ABC1"]

如何将此类数据输入模型？ 我没有决定最终模型，但它可能是编码器/解码器（注意）或 LSTM。

每个样本包含大约 70 行，我有超过 100 个样本。

Answer 1

让我试一试，因为目前尚不完全清楚所需的输出是什么，但希望能引导您朝着正确的方向前进

加载您的示例：

from io import StringIO
data = StringIO(
'''
Date         Sample_Name        pH    temp
2009-01-01    ABC1              7.2    12
2009-01-02    ABC2              5.5    11
2015-01-05    ABC1              8.9    13
2015-01-05    ABC4              8.8    13
'''
)
df = pd.read_csv(data, sep = '\s+')

然后我们可以使用groupby 方法创建一个字典，以每个样本名称为键，对应的值是该样本的数据框，可以输入到模型中：

input_dict = {key:df.drop(columns = 'Sample_Name').reset_index(drop = True) for key, df in df.sort_values('Date').groupby('Sample_Name')}

您可以通过样本名称访问单个样本 dfs，例如使用

input_dict['ABC1']

你得到对应的df：

    Date        pH  temp
0   2009-01-01  7.2 12
1   2015-01-05  8.9 13