区块链技术博客
www.b2bchain.cn

如何使用groupby或重新采样以根据python中年份的小时索引将小时数据下采样以分组数据? – python程序员分享

本文介绍了如何使用groupby或重新采样以根据python中年份的小时索引将小时数据下采样以分组数据? – python程序员分享,有助于帮助完成毕业设计以及求职,是一篇很好的资料。

对技术面试,学习经验等有一些体会,在此分享。

有一些功能可以将数据分为每小时(即24)或一年中的某一天(即365)。我有一个1999-2001年的3年数据集,其中有每小时的值。因此,总值为24 * 365 * 4 + 1 * 24 = 26304(1 * 24 = year年)。
当我运行该功能

result=ds.groupby('time.dayofyear').mean('time')  

结果如下:

<xarray.DataArray 'precip' (dayofyear: 366, lat: 21, lon: 33)> array([[[0.        , 0.        , 0.        , ..., 0.        ,          0.        , 0.        ],         [0.        , 0.        , 0.        , ..., 0.        ,          0.        , 0.        ],         [0.        , 0.        , 0.        , ..., 0.        ,          0.        , 0.        ],         ...,         [0.00086806, 0.00065104, 0.00097656, ..., 0.        ,          0.        , 0.        ],         [0.00141059, 0.00141059, 0.00130208, ..., 0.        ,          0.        , 0.        ],         [0.00195312, 0.00141059, 0.00119358, ..., 0.        ,          0.        , 0.        ]],         [[0.        , 0.        , 0.        , ..., 0.        ,          0.        , 0.        ],         [0.        , 0.        , 0.        , ..., 0.        ,          0.        , 0.        ],         [0.        , 0.        , 0.        , ..., 0.        ,          0.        , 0.        ],         ...,]  Coordinates:   * lon        (lon) float32 220.0 222.5 225.0 227.5 ... 292.5 295.0 297.5 300.0   * lat        (lat) float32 20.0 22.0 24.0 26.0 28.0 ... 54.0 56.0 58.0 60.0   * dayofyear  (dayofyear) int64 1 2 3 4 5 6 7 8 ... 360 361 362 363 364 365 366 

如果我使用time.hour groupby函数:

result=ds.groupby('time.hour').mean('time') 

<xarray.DataArray 'precip' (hour: 24, lat: 21, lon: 33)> array([[[0.        , 0.        , 0.        , ..., 0.        ,          0.        , 0.        ],         [0.        , 0.        , 0.        , ..., 0.        ,          0.        , 0.        ],         [0.        , 0.        , 0.        , ..., 0.        ,          0.        , 0.        ],         ...,         [0.00015682, 0.00022097, 0.00047759, ..., 0.        ,          0.        , 0.        ],         [0.00033503, 0.00037779, 0.0004562 , ..., 0.        ,          0.        , 0.        ],         [0.00044195, 0.00039918, 0.00039205, ..., 0.        ,          0.        , 0.        ]],, dtype=float32) Coordinates:   * lon      (lon) float32 220.0 222.5 225.0 227.5 ... 292.5 295.0 297.5 300.0   * lat      (lat) float32 20.0 22.0 24.0 26.0 28.0 ... 52.0 54.0 56.0 58.0 60.0   * hour     (hour) int64 0 1 2 3 4 5 6 7 8 9 ... 14 15 16 17 18 19 20 21 22 23 

如何对一年中的小时进行分组,从而为我提供一年中的每小时平均值,而不是一天。
需要函数给出结果为366 * 24 = 8784,其中平均值是使用日小时指数计算的。

参考方案

我认为您要求的是question I answered earlier中的相同内容。简而言之,我认为目前xarray中最干净的方法是使用strftime生成每个日期的带有“hourofyear”值的坐标,并在其上使用groupby:

ds['hourofyear'] = xr.DataArray(ds.time.dt.strftime('%m-%d %H'), coords=ds.time.coords) result = ds.groupby('hourofyear').mean('time') 

Python Pandas:按分组分组,平均? – python

我有一个像这样的数据框:cluster org time 1 a 8 1 a 6 2 h 34 1 c 23 2 d 74 3 w 6 我想计算每个集群每个组织的平均时间。预期结果:cluster mean(time) 1 15 ((8+6)/2+23)/2 2 54 (74+34)/2 3 6 我不知道如何在熊猫中做到这一点,有人可以帮忙吗? 参考方案 如…

Python Pandas:在多列上建立布尔索引 – python

尽管至少有关于如何在Python的pandas库中为DataFrame编制索引的two good教程,但我仍然无法在一个以上的列上找到一种优雅的SELECT编码方式。>>> d = pd.DataFrame({'x':[1, 2, 3, 4, 5], 'y':[4, 5, 6, 7, 8]}) &gt…

python pandas:按行对条件进行分组 – python

我有一个大的pandas数据框,试图从中形成一些行的对。我的df如下所示:object_id increment location event 0 1 d A 0 2 d B 0 3 z C 0 4 g A 0 5 g B 0 6 i C 1 1 k A 1 2 k B … … … … 对象ID描述特定的对象。增量是每次发生某事(跟踪订单)时…

Python-Excel导出 – python

我有以下代码:import pandas as pd import requests from bs4 import BeautifulSoup res = requests.get("https://www.bankier.pl/gielda/notowania/akcje") soup = BeautifulSoup(res.cont…

pandas DataFrame:根据另一列中的布尔值计算总和 – python

我对Python相当陌生,我尝试在pandas中模拟以下逻辑我目前正在循环抛出行,并希望对前几行的AMOUNT列中的值求和,但只求和最后一次看到的“ TRUE”值。实际数据似乎效率低下(我的数据框大约有500万行)?想知道用Python处理这种逻辑的有效方法是什么?逻辑:逻辑是,如果FLAG为TRUE,我想对前几行的AMOUNT列中的值求和,但只求和最后一次…

赞(0) 打赏
部分文章转自网络,侵权联系删除b2bchain区块链学习技术社区 » 如何使用groupby或重新采样以根据python中年份的小时索引将小时数据下采样以分组数据? – python程序员分享
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

b2b链

联系我们联系我们