我正在处理一个类似于这样的大型数据集:
Time, Value
01.01.2018 00:00:00.000, 5.1398
01.01.2018 00:01:00.000, 5.1298
01.01.2018 00:02:00.000, 5.1438
01.01.2018 00:03:00.000, 5.1228
01.01.2018 00:04:00.000, 5.1168
.... , ,,,,
31.12.2018 23:59:59.000, 6.3498
数据是从每年的第一天到最后一天的 分钟
数据。
我想使用 Pandas
找到每隔 5
天的平均值。
例如:
01.01.2018 00:00:00.000
到 05.01.2018 23:59:59.000
的平均值是 05.01.2018
下一个平均值将从 02.01.2018 00:00:00.000
到 6.01.2018 23:59:59.000
,平均值为 06.01.2018
接下来,平均值将从 03.01.2018 00:00:00.000
到 7.01.2018 23:59:59.000
,平均值为07.01.2018
依此类推...... 我们按1天递增,但计算过去5天,包括当前日期的平均值。
对于给定的一天,有 24 小时 * 60 分钟 = 1440 个数据点。因此,我需要获取 1440 个数据点 * 5 天 = 7200 个数据点的平均值。
最终的 DataFrame 如下所示,时间格式为 [DD.MM.YYYY](不包含 hh:mm:ss),Value
是包括当前日期在内的 5 个数据的平均值:
Time, Value
05.01.2018, 5.1398
06.01.2018, 5.1298
07.01.2018, 5.1438
.... , ,,,,
31.12.2018, 6.3498
底线是计算从今天到过去5天的数据的平均值,并将平均值显示如上。
我尝试使用Python循环迭代,但我想找到比Pandas更好的方法。
duplicate
答案计算每隔15s
,但我想要的是在接下来的5天内每天计算一次。我们并没有像问题中所述的那样跳过一天。 - floss