对 pandas 中的布尔值进行重新采样

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。

嗯，追踪表明：

df.resample('5H')['Bools'].sum == Groupby.sum (in pd.core.groupby.generic.SeriesGroupBy)

df.resample('5H').sum == sum (in pandas.core.resample.DatetimeIndexResampler)

和跟踪groupby_function in 分组依据.py https://github.com/pandas-dev/pandas/blob/v1.0.5/pandas/core/groupby/groupby.py表明它相当于r.agg(lambda x: np.sum(x, axis=r.axis)) where r = df.resample('5H')其输出：

                     Bools  Nums  Nums2
2020-01-01 05:00:00      2    10     10
2020-01-01 10:00:00      2    35     35

好吧，实际上，应该是r = df.resample('5H')['Bool']（仅适用于上述情况）

并追踪_downsample函数于重新采样.py https://github.com/pandas-dev/pandas/blob/v1.0.5/pandas/core/resample.py表明它相当于：df.groupby(r.grouper, axis=r.axis).agg(np.sum)其输出：

                     Nums  Nums2
2020-01-01 05:00:00    10     10
2020-01-01 10:00:00    35     35