Pandas df.resample使用列特定的聚合函数

Question

使用pandas.DataFrame.resample，我可以对数据框进行下采样：

df.resample("3s", how="mean")

这个函数可以将具有日期时间索引的数据框重新采样，使得3秒内的所有值聚合到一行中。列的值取平均值。

问题：我有一个包含多列的数据框。是否可以为不同的列指定不同的聚合函数？例如，我想对列 x 应用 "sum"，对列 y 应用 "mean"，对列 z 应用 "last"？如何实现这种效果？

我知道我可以创建一个新的空数据框，然后调用 resample 三次，但我更喜欢一个更快的原地解决方案。

- knub

Answer 1

你可以在重采样后使用.agg。使用字典，你可以使用不同的函数聚合不同的列。

试试这个：

df.resample("3s").agg({'x':'sum','y':'mean','z':'last'})

此外，how已经被弃用：

C:\Program Files\Anaconda3\lib\site-packages\ipykernel__main__.py:1: FutureWarning：.resample()中的how参数已被弃用，新的语法是.resample(...).mean()

- Scott Boston

---

这里我们只使用每一列一次。如果我想在同一列 x 上应用两个函数，并对另一列 z 应用不同的函数，该怎么办？ - Kathirmani Sukumar

你可以使用一个列表来保存所有你想要对单个变量执行的函数。df.resample('3s').agg({'X':['sum','mean'],'Y':'max','Z':['min','std']}) - Scott Boston

当我尝试这个时，我收到以下警告：“FutureWarning：使用重命名的字典已被弃用，并将在将来的版本中删除”。为什么它认为我正在重命名列，而我只是想告诉它如何聚合给定的列？ - user2184903

Answer 2

考虑数据框 df：

np.random.seed([3,1415])
tidx = pd.date_range('2017-01-01', periods=18, freq='S')
df = pd.DataFrame(np.random.rand(len(tidx), 3), tidx, list('XYZ'))
print(df)

                            X         Y         Z
2017-01-01 00:00:00  0.444939  0.407554  0.460148
2017-01-01 00:00:01  0.465239  0.462691  0.016545
2017-01-01 00:00:02  0.850445  0.817744  0.777962
2017-01-01 00:00:03  0.757983  0.934829  0.831104
2017-01-01 00:00:04  0.879891  0.926879  0.721535
2017-01-01 00:00:05  0.117642  0.145906  0.199844
2017-01-01 00:00:06  0.437564  0.100702  0.278735
2017-01-01 00:00:07  0.609862  0.085823  0.836997
2017-01-01 00:00:08  0.739635  0.866059  0.691271
2017-01-01 00:00:09  0.377185  0.225146  0.435280
2017-01-01 00:00:10  0.700900  0.700946  0.796487
2017-01-01 00:00:11  0.018688  0.700566  0.900749
2017-01-01 00:00:12  0.764869  0.253200  0.548054
2017-01-01 00:00:13  0.778883  0.651676  0.136097
2017-01-01 00:00:14  0.544838  0.035073  0.275079
2017-01-01 00:00:15  0.706685  0.713614  0.776050
2017-01-01 00:00:16  0.542329  0.836541  0.538186
2017-01-01 00:00:17  0.185523  0.652151  0.746060

使用agg

df.resample('3S').agg(dict(X='sum', Y='mean', Z='last'))

                            X         Y         Z
2017-01-01 00:00:00  1.760624  0.562663  0.777962
2017-01-01 00:00:03  1.755516  0.669204  0.199844
2017-01-01 00:00:06  1.787061  0.350861  0.691271
2017-01-01 00:00:09  1.096773  0.542220  0.900749
2017-01-01 00:00:12  2.088590  0.313316  0.275079
2017-01-01 00:00:15  1.434538  0.734102  0.746060

- piRSquared