使用日期时间索引分析数据帧数据答案

【问题标题】：Using Datetime indexing to analyse dataframe data使用日期时间索引分析数据帧数据
【发布时间】：2015-03-22 11:29:00
【问题描述】：

我正在尝试编写一个程序来计算指定日期和时间内的平均压力、温度和湿度......但不知道为什么我得到“nan”值......？这是我的代码：有什么想法吗？

import pandas as pd
import numpy as np

df = pd.DataFrame.from_csv('C:\Users\Joey\Desktop\Python\CSV\TM4CVC.csv',index_col = None)

df2 = pd.DataFrame({'temp':df['Ch1_Value'],
'press':df['Ch2_Value'],
    'humid':df['Ch3_Value'], 'Date' : df['Date'], 'Time' : df['Time']})

df2['DateTime'] = pd.to_datetime(df2.apply(lambda x: x['Date']+ ' '+ x['Time'], 1))

df2.index = pd.to_datetime(df2.pop('DateTime'))

df3 = df2.drop(['Date', 'Time'], 1)

#------------------------------------------------------------------------------

def TempPressHumid(datetime_i, datetime_e):

    index = df3[datetime_i:datetime_e]

    out = {'temp_avg':np.mean(index['temp']),
    'temp_std':np.std(index['temp']),
    'press_avg':np.mean(index['press']),
    'press_std':np.std(index['press']),
    'humid_avg':np.mean(index['humid']),
    'humid_std':np.std(index['humid'])}
    print out


TempPressHumid(datetime_i = '2012-06-25 08:27:19', datetime_e = '2012-01-25 10:59:33')

我的输出是：

{'humid_std': nan, 'press_std': nan, 'humid_avg': nan, 'temp_avg': nan, 'temp_std': nan, 'press_avg': nan}

打印 df3 给我：

                      humid  press  temp
DateTime                                
2012-06-25 08:21:19  1004.0   21.2  26.0
2012-06-25 08:22:19  1004.0   21.2  26.0
2012-06-25 08:23:19  1004.1   21.3  26.0
-----------------------------------------

等等……

【问题讨论】：

你能提供你的数据样本吗？ print df3 是否打印了任何内容，如果是，请同时显示？
Print df3 打印 4 列的数据帧...时间日期、湿度、温度、压力
您应该将该数据添加到原始问题中以保持可读格式。此外，如果您将pandas 标签添加到您的问题中，它可能会获得更多曝光，因此获得答案的机会也更高。
哦，您问题代码中的一个错误是您正在调用TempPressHumid，其开始时间晚于您的结束时间。

标签： pandas indexing dataframe slice

【解决方案1】：

你可以试试这样的：

a = pd.Series(np.random.random_sample(1000))
b = pd.Series(np.random.random_sample(1000))
c = pd.Series(np.random.random_sample(1000))

df = pd.DataFrame({"temp": a, "press": b, "humid": c})

i = pd.date_range('20120625', periods=1000, freq="h")

df.index = pd.to_datetime(i)

此时数据框df看起来像

                       humid     press     temp
2012-06-25 00:00:00  0.910517  0.588777    ...
2012-06-25 01:00:00  0.742219  0.501180
2012-06-25 02:00:00  0.810515  0.172370
2012-06-25 03:00:00  0.215735  0.046797
2012-06-25 04:00:00  0.094144  0.822310
2012-06-25 05:00:00  0.662934  0.629981
2012-06-25 06:00:00  0.876086  0.586799
...

现在让我们计算所需日期范围的平均值和标准差

def TempPressHumid(start, end, df):
    values = {'temp_mean':np.mean(df['temp'][start:end]),
              'temp_std':np.std(df['temp'][start:end]),
              'press_mean':np.mean(df['press'][start:end]),
              'press_std':np.std(df['press'][start:end]),
              'humid_mean':np.mean(df['humid'][start:end]),
              'humid_std':np.std(df['humid'][start:end]),
              }
    print(values)
    return

因此，如果您调用 TempPressHumid('2012-06-25 08:00:00', '2012-07-25 10:00:00', df)，您应该会看到所需值的字典。

【讨论】：