重新採樣熊貓系列與數字索引

Question

假設我有一個pandas.Series索引與數值類型例如

pd.Series([10,20], [1.1, 2.3]) 

我們如何重新採樣0.1以上的間隔序列？看起來像.resample func只適用於日期時間間隔？

Answer 1

那去es通過插值的名稱。您可以將重採樣看作插值的特例。

In [24]: new_idx = s.index + pd.Index(np.arange(1.1, 2.3, .01)) 

In [25]: s.reindex(new_idx).interpolate().head() 
Out[25]: 
1.10 10.000000 
1.11 10.083333 
1.12 10.166667 
1.13 10.250000 
1.14 10.333333 
dtype: float64 

In [26]: s.reindex(new_idx).interpolate().tail() 
Out[26]: 
2.26 19.666667 
2.27 19.750000 
2.28 19.833333 
2.29 19.916667 
2.30 20.000000 
dtype: float64 

我們需要new_idx是原始指數，我們希望插值，使原來指標不下降的值的聯合。

看一看插值方法：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.interpolate.html

Answer 2

以及我不認爲你可以有一個非整數索引，因爲浮點數比較操作。 .1，但是，你可以這樣做：

• 創建一個新的df = pd.DataFrame(index=range(100, 201)) [的那些現在代表... 1]
• 在100（原10）和200（原20）設置的值： 1.1和2.3
• df.fillna(method='pad', inplace=True)

也，好像你甚至不真正需要使用索引的所有，你只是想要的數據之間的差距......

Answer 3

一種選擇是使用切割bin此數據（遠遠超過一個重採樣那麼優雅，但在這裏不用）：

In [11]: cat, retbins = pd.cut(s.index, np.arange(1, 3, 0.1), retbins=True) 

In [12]: s.index = retbins[cat.labels] 

In [13]: s 
Out[13]: 
1.0 10 
2.2 20 
dtype: int64 

說，如果你想與如何=「和」重新取樣：

In [14]: s = s.groupby(s.index).sum() 

In [15]: s = s.reindex(retbins) 

有很多的NaN現在，你可以現在，湯姆表明，插值：

In [16]: s.interpolate()