本文介绍了大 pandas 每日平均，大 pandas 。重新取样的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我有一个类似于此的CSV文件
Date,Temp1,Temp2
23-Oct-09 01:00:00,21.1,22.3
23-Oct-09 04:00:00,22.3,23.8
23-Oct-09 07:00:00,21.4,21.3
23-Oct-09 10:00:00,21.5,21.6
23-Oct-09 13:00:00,22.3,23.8
23-Oct-09 16:00:00,21.4,21.3
23-Oct-09 19:00:00,21.1,22.3
23-Oct-09 22:00:00,21.4,21.3
24-Oct-09 01:00:00,22.3,23.8
24-Oct-09 04:00:00,22.3,23.8
24-Oct-09 07:00:00,21.1,22.3
24-Oct-09 10:00:00,22.3,23.8
24-Oct-09 13:00:00,21.1,22.3
24-Oct-09 16:00:00,22.3,23.8
24-Oct-09 19:00:00,21.1,22.3
24-Oct-09 22:00:00,22.3,23.8
我已经用：读取了数据
df=pd.read_csv('data.csv', index_col=0)
并将索引转换为日期时间
df.index=pd.to_datetime(df.index)
df_avg = df.resample('D', how = 'mean')
DataError：没有要聚合的数值类型
我希望df_avg是一个具有日期时间索引和两个2列的数据帧。我用的是 pandas 0.17.1和PYTHON 3.5.2，非常感谢大家的帮助！
推荐答案
您需要先将string列转换为float：
#add parameter parse_dates for convert to datetime first column
df=pd.read_csv('data.csv', index_col=0, parse_dates=[0])
df['Temp1'] = df.Temp1.astype(float)
df['Temp2'] = df.Temp2.astype(float)
df_avg = df.resample('D').mean()
如果
astype返回error，则问题是存在一些非数值。因此，您需要将to_numeric与errors='coerce'一起使用-然后将所有有问题的值转换为NaN：
df['Temp1'] = pd.to_numeric(df.Temp1, errors='coerce')
df['Temp2'] = pd.to_numeric(df.Temp2, errors='coerce')
您还可以使用boolean indexing：
print df[pd.to_numeric(df.Temp1, errors='coerce').isnull()]
print df[pd.to_numeric(df.Temp2, errors='coerce').isnull()]
这篇关于大 pandas 每日平均，大 pandas 。重新取样的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！