在理解如何将数据重新采样为小时速率而不是现在的4小时数据块时，仍被困在一项任务上。这是我们要求做的。在
ENTRIES和EXITS字段保存每周不重置为零的原始计数。我们想知道4小时内有多少出入口。要计算这个值，我们需要计算具有相同(UNIT，C/A，SCP)键的相邻行之间的差异。创建存储这些数字的NUM_ENTRIES和NUM_EXITS列。在
提示：
移位法很有用。
在进行转换时使用groupby会更容易，因为它会尊重子单元之间的边界。level参数将帮助定义子单元。
大多数计数器都是递增的，但也有一些是倒计时的。你应该如何处理这些案件？把这个修好以获得额外的学分。在
前一个问题中的数字有一个问题是，它们是在不同的时间采样的。将ENTRIES和EXITS列重新采样为每小时的速率，并对其进行插值以填充缺失的值。使用”pchip”插值方法，因为它将保持单调性。同样，这应该使用groupby分组完成，但是apply函数允许使用任意插值方法。现在，重新计算第2部分中的NUM_ENTRIES和NUM_EXITS列。
提示：
使用reset_index清除索引的UNIT、C/A和SCP级别，因为这使apply函数中使用的重采样和插值方法更加简单。通过set U index执行插值后，将索引添加回。在
这是代码，我有它被要求重采样的部分df = pd.read_csv(“turnstile_161126.txt”)
timestamp =pd.to_datetime(df[‘DATE’] + ‘ ‘ + df[‘TIME’])
df.insert(3, ‘TIMESTAMP’, timestamp)
df.columns = df.columns.str.strip()
df = df.set_index([‘UNIT’,’C/A’,’SCP’,’TIMESTAMP’])
df[‘NUM_ENTRIES’] = df.ENTRIES – df.ENTRIES.shift(1)
df[‘NUM_EXITS’] = df.EXITS – df.EXITS.shift(1)
STATION LINENAME DIVISION DATE TIME DESC ENTRIES EXITS NUM_ENTRIES NUM_EXITS
UNIT C/A SCP TIMESTAMP
R051 A002 02-00-00 2016-11-19 03:00:00 59 ST NQR456W BMT 11/19/2016 03:00:00 REGULAR 5924658 2007780 NaN NaN
2016-11-19 07:00:00 59 ST NQR456W BMT 11/19/2016 07:00:00 REGULAR 5924672 2007802 14.0 22.0
2016-11-19 11:00:00 59 ST NQR456W BMT 11/19/2016 11:00:00 REGULAR 5924738 2007908 66.0 106.0
2016-11-19 15:00:00 59 ST NQR456W BMT 11/19/2016 15:00:00 REGULAR 5924979 2007980 241.0 72.0
2016-11-19 19:00:00 59 ST NQR456W BMT 11/19/2016 19:00:00 REGULAR 5925389 2008056 410.0 76.0
2016-11-19 23:00:00 59 ST NQR456W BMT 11/19/2016 23:00:00 REGULAR 5925614 2008081 225.0 25.0
2016-11-20 03:00:00 59 ST NQR456W BMT 11/20/2016 03:00:00 REGULAR 5925684 2008096 70.0 15.0
2016-11-20 07:00:00 59 ST NQR456W BMT 11/20/2016 07:00:00 REGULAR 5925688 2008113 4.0 17.0
2016-11-20 11:00:00 59 ST NQR456W BMT 11/20/2016 11:00:00 REGULAR 5925755 2008191 67.0 78.0
2016-11-20 15:00:00 59 ST NQR456W BMT 11/20/2016 15:00:00 REGULAR 5925937 2008260 182.0 69.0
2016-11-20 19:00:00 59 ST NQR456W BMT 11/20/2016 19:00:00 REGULAR 5926232 2008332 295.0 72.0
2016-11-20 23:00:00 59 ST NQR456W BMT 11/20/2016 23:00:00 REGULAR 5926394 2008367 162.0 35.0
2016-11-21 03:00:00 59 ST NQR456W BMT 11/21/2016 03:00:00 REGULAR 5926425 2008378 31.0 11.0
2016-11-21 07:00:00 59 ST NQR456W BMT 11/21/2016 07:00:00 REGULAR 5926440 2008420 15.0 42.0
2016-11-21 11:00:00 59 ST NQR456W BMT 11/21/2016 11:00:00 REGULAR 5926622 2008741 182.0 321.0
2016-11-21 15:00:00 59 ST NQR456W BMT 11/21/2016 15:00:00 REGULAR 5926872 2008851 250.0 110.0
2016-11-21 19:00:00 59 ST NQR456W BMT 11/21/2016 19:00:00 REGULAR 5927775 2008927 903.0 76.0
Original: https://blog.csdn.net/weixin_42323064/article/details/113508487
Author: 隔壁王医生
Title: python升采样和插值_重采样和插值
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/742646/
转载文章受原作者版权保护。转载请注明原作者出处！