将大型 GPS 数据按 1 分钟分组

Question

date          object
lat          float64
lon          float64
speed        float64
direction    float64

在我的csv 文件中，日期格式如下2016-04-29 11:45:21 它将日期显示为对象类型。每分钟有10多条记录。所以，我想组合在一起，并为每 1 分钟 GPS 数据应用速度平均值。 我尝试以下代码，其中数据文件是熊猫数据框。

datafile.groupby(pd.TimeGrouper('1Min'))['speed'].mean()

出现以下错误：

TypeError: 轴必须是 DatetimeIndex，但得到了一个 'Int64Index' 的实例

---

在注释中编辑后 datafile.head() 显示table outputtaxi table output after datafile.head()

现在我从 06:35:20 到 06:59:59 有 1069 条记录。我需要找到每 1 分钟数据的平均速度

Answer 1

您需要使用以下方法从您的 data 列创建一个 DateTimeIndex：

df.index = pd.to_datetime(df.loc[: 'date'], format='%Y-%m-%d %H:%M:%S')

但是，您可以利用内置的.read_csv() 功能，使用parse_dates=True 和index_col=0 将date 读取为index，然后解析index（假设日期是第一个column）。