我遇到了一个属性,我发现在其中重新采样布尔值很奇怪pandas
。这是一些时间序列数据:
import pandas as pd
import numpy as np
dr = pd.date_range('01-01-2020 5:00', periods=10, freq='H')
df = pd.DataFrame({'Bools':[True,True,False,False,False,True,True,np.nan,np.nan,False],
"Nums":range(10)},
index=dr)
所以数据看起来像:
Bools Nums
2020-01-01 05:00:00 True 0
2020-01-01 06:00:00 True 1
2020-01-01 07:00:00 False 2
2020-01-01 08:00:00 False 3
2020-01-01 09:00:00 False 4
2020-01-01 10:00:00 True 5
2020-01-01 11:00:00 True 6
2020-01-01 12:00:00 NaN 7
2020-01-01 13:00:00 NaN 8
2020-01-01 14:00:00 False 9
我本以为在重新采样时可以对布尔列执行简单的操作(如求和),但是(按原样)这会失败:
>>> df.resample('5H').sum()
Nums
2020-01-01 05:00:00 10
2020-01-01 10:00:00 35
“Bools”列被删除。我对为什么会发生这种情况的印象是 b/cdtype
该列的object
。更改可以解决该问题:
>>> r = df.resample('5H')
>>> copy = df.copy() #just doing this to preserve df for the example
>>> copy['Bools'] = copy['Bools'].astype(float)
>>> copy.resample('5H').sum()
Bools Nums
2020-01-01 05:00:00 2.0 10
2020-01-01 10:00:00 2.0 35
但是(奇怪的是)你can仍然通过索引重采样对象来对布尔值求和,而不改变dtype
:
>>> r = df.resample('5H')
>>> r['Bools'].sum()
2020-01-01 05:00:00 2
2020-01-01 10:00:00 2
Freq: 5H, Name: Bools, dtype: int64
而且,如果唯一的列是布尔值,您仍然可以重新采样(尽管该列仍然是object
):
>>> df.drop(['Nums'],axis=1).resample('5H').sum()
Bools
2020-01-01 05:00:00 2
2020-01-01 10:00:00 2
是什么让后两个例子能够发挥作用?我可以看到也许他们更明确一点(“拜托,我真的很想重新尝试这个专栏!”),但我不明白为什么原来resample
如果可以完成则不允许该操作。