Pandas - 重新采样和标准差

Question

我有这个数据框：

startTime     endTime  emails_received
index                                             
2014-01-24 14:00:00  1390568400  1390569600    684
2014-01-24 14:00:00  1390568400  1390569300    700
2014-01-24 14:05:00  1390568700  1390569300    438
2014-01-24 14:05:00  1390568700  1390569900    586
2014-01-24 16:00:00  1390575600  1390576500    752
2014-01-24 16:00:00  1390575600  1390576500    743
2014-01-24 16:00:00  1390575600  1390576500    672
2014-01-24 16:00:00  1390575600  1390576200    712
2014-01-24 16:00:00  1390575600  1390576800    708

我运行 resample("10min",how="median").dropna() 得到：

                  startTime     endTime  emails_received
start                                             
2014-01-24 14:00:00  1390568550  1390569450    635
2014-01-24 16:00:00  1390575600  1390576500    712

这是正确的。有什么方法我也可以通过 pandas 轻松获得平均值的标准差？

Answer 1

您只需要在 DataFrame 上调用 .std()。这是一个说明性示例。

创建DatetimeIndex

在 [38] 中：索引 = pd.DatetimeIndex(start='2000-1-1',freq='1T', period=1000)

创建一个包含 2 列的 DataFrame

在 [45] 中：df = pd.DataFrame({'a':range(1000), 'b':range(1000,3000,2)}, index=index)

DataFrame 的头部、标准和平均值

在 [47] 中：df.head() 出[47]： 一个 2000-01-01 00:00:00 0 1000 2000-01-01 00:01:00 1 1002 2000-01-01 00:02:00 2 1004 2000-01-01 00:03:00 3 1006 2000-01-01 00:04:00 4 1008 在 [48] 中：df.std() 出[48]： 288.819436 b 577.638872 数据类型：float64 在 [49] 中：df.mean() 出[49]： 499.5 b 1999.0 数据类型：float64

下采样并执行计算相同的统计分数

在 [54] 中：df = df.resample(rule="10T",how="median") 在[55]中：df 出[55]： DatetimeIndex：100 个条目，2000-01-01 00:00:00 到 2000-01-01 16:30:00 频率：10T 数据列（共2列）： 100 个非空值 b 100 个非空值 数据类型：float64(1)、int64(1) 在 [56] 中：df.head() 出[56]： 一个 2000-01-01 00:00:00 4.5 1009 2000-01-01 00:10:00 14.5 1029 2000-01-01 00:20:00 24.5 1049 2000-01-01 00:30:00 34.5 1069 2000-01-01 00:40:00 44.5 1089 在 [57] 中：df.std() 出[57]： 290.11492 b 580.22984 数据类型：float64 在 [58] 中：df.mean() 出[58]： 499.5 b 1999.0 数据类型：float64

通过std() 进行下采样

在 [62] 中：df2 = df.resample(rule="10T", how=np.std) 在[63]中：df2 出[63]： DatetimeIndex：100 个条目，2000-01-01 00:00:00 到 2000-01-01 16:30:00 频率：10T 数据列（共2列）： 100 个非空值 b 100 个非空值 数据类型：float64(2) 在 [64] 中：df2.head() 出[64]： 一个 2000-01-01 00:00:00 3.02765 6.055301 2000-01-01 00:10:00 3.02765 6.055301 2000-01-01 00:20:00 3.02765 6.055301 2000-01-01 00:30:00 3.02765 6.055301 2000-01-01 00:40:00 3.02765 6.055301

以下是来自.std() 方法的文档字符串的信息。

返回请求轴上的标准偏差。 NA/空值被排除在外 参数 ---------- 轴：{0, 1} 0 表示逐行，1 表示逐列 skipna : 布尔值，默认为 True 排除 NA/空值。如果整行/列为 NA，则结果 将是 NA 级别：int，默认无 如果轴是 MultiIndex（分层），则沿 a 特定级别，折叠成 DataFrame 退货 -------- std : 系列（如果指定级别，则为 DataFrame） 由 N-1（无偏估计量）归一化。