我有一个布尔变量的数据帧,由时间戳定义。时间戳是不规则的,我想填补空白。我知道需要的频率是3毫秒
到目前为止,我可以做以下工作:
df = pd.read_csv(path, sep= ';')
df['timestamp'] = pd.to_datetime(df ['timestamp'], errors='raise',infer_datetime_format = True)
df = df.sort(['timestamp'])
df = df.set_index('timestamp')
df.reindex(pd.period_range(df.index[0], df.index[-1], freq='ms'))
df = df.fillna(method = 'ffill')
因此,我使用ms间隔重新建立索引,并向前填充缺失的值(这正适合我的情况:所有变量都是布尔值,所以在每一时刻,当前状态都是数据中最后出现的状态)。在
如何每3毫秒重新采样一次?在
编辑:好像数据帧.重采样也可用于上采样。关于如何在我的案例中使用它有什么建议吗?我好像不明白它是怎么工作的。在
使用^{} :
^{pr2}$
如果索引中有时间戳:
编辑:
绩效基准
^{pr2}$结果:
相关问题 更多 >
编程相关推荐