使用熊猫选择特定序列中的时间序列数据

我试图根据观测到的天气数据创建季节性数据的新序列。使用熊猫选择特定序列中的时间序列数据

我想从这个数据框中提取季节，并创建一个新的数据帧，它具有按照时间顺序依次相互排列的季节的随机序列，例如，一个随机的春天随后是随机的夏天，然后是随机的秋天，随后是随机的冬天。以CSV格式

时间序列数据我的工作是提供here

到目前为止是如下，我使用的代码...

df = pd.read_csv("location of file") 

#convert date column to datetime for querying 
df['date'] = pd.to_datetime(df['date'], format= '%d-%b-%y') 

#function which extracts seasons 
def get_season(row): 
if row['date'].month >= 3 and row['date'].month <= 5: 
    return 'spring' 
elif row['date'].month >= 6 and row['date'].month <= 8: 
    return 'summer' 
elif row['date'].month >= 9 and row['date'].month <= 11: 
    return 'autumn' 
else: 
    return 'winter' 

#apply the season function to the data frame 
df['Season'] = df.apply(get_season, axis=1) 

#Split into seasons 
Sp = df.query('Season == "spring"') 
#all the winters 
W = df.query('Season == "winter"') 
#all the summers 
SU = df.query('Season == "summer"') 
#all the autumns 
Au = df.query('Season == "autumn"')

这里的地方我不能让我的头在下一步做什么。

这样做是分开了所有季节，但不是每个单独的季节（例如2006年冬季，2007年冬季等）。

我目前正在随机序列的每个赛季，像这样：

#sampling a random 92 days from winter 
rows = np.random.choice(Sp.index.values, 92) 
sampled_df = Sp.ix[rows]

但这不是我想要的东西，因为它是采取随机天从整个冬天块，我想采取随机赛季（ 12月，1月，2月）。

为了让我生成这个新的序列，我需要根据每年的每个季节创建一个新的数据框，其中包含多列，所有列都以随机弹簧开始，之后是随机夏季，然后是随机秋天，那么随机的冬天，几百年的未来。

我不明白这是如何完成的。请帮忙！

感谢

来源

2015-10-30 Pad

我建议MultiIndex：

df['Year'] = df['date'].dt.year 
df2 = df.set_index(['Year', 'Season'], inplace=False)

你现在有按年份和季节索引的数据框，你可以轻松地选择整个赛季给定年份：

future = pd.DataFrame() 
for i in range(5): 
    for season in ['winter', 'spring', 'summer', 'autumn']: 
     future = future.append(df2.loc[random.choice(range(2007, 2015))] 
            .loc[season])

请注意，我排除了2015年，因为您的数据中没有秋季或冬季 - 您可以自己处理这个边缘案例。

此外，特定年份的冬季目前包含1月，2月和12月。你可能想重新定义一年，以便将十二月份附加到下一年的冬天。

来源

2015-10-30 13:41:05 IanS

非常感谢，现在想弄清楚如何去年12月！ – Pad

我有一个想法：'df.loc [df ['date']。dt.month == 12，'Year'] + = 1'。但是要小心：2007年的冬天只包括1月和2月:) – IanS

使用熊猫选择特定序列中的时间序列数据

回答

相关问题