Индекс в группировке данных по времени Pandas
При группировке данных по времени я столкнулся с тем, что сгруппированные данные в первом столбце не являются индексом ... Вывод дт :
bid_open bid_close tiks ask_open ask_close bid_min \
0
2021-06-28 08:30:00 1.19259 1.19259 5 1.19263 1.19263 1.19259
2021-06-28 08:31:00 1.19259 1.19269 57 1.19261 1.19271 1.19259
2021-06-28 08:32:00 1.19269 1.19278 90 1.19272 1.19280 1.19269
2021-06-28 08:33:00 1.19278 1.19277 62 1.19281 1.19281 1.19276
2021-06-28 08:34:00 1.19277 1.19282 61 1.19281 1.19283 1.19277
... ... ... ... ... ... ...
2021-06-28 17:14:00 1.19254 1.19248 157 1.19255 1.19251 1.19243
2021-06-28 17:15:00 1.19248 1.19257 81 1.19252 1.19260 1.19244
2021-06-28 17:16:00 1.19258 1.19247 107 1.19260 1.19250 1.19244
2021-06-28 17:17:00 1.19247 1.19275 77 1.19250 1.19278 1.19245
2021-06-28 17:18:00 1.19275 1.19304 68 1.19278 1.19307 1.19275
bid_max ask_min ask_max qvant sred skew >0 \
0
2021-06-28 08:30:00 1.19260 1.19262 1.19263 2.0 0.800000 -0.567163 2
2021-06-28 08:31:00 1.19269 1.19261 1.19272 2.0 0.456140 -0.182745 25
2021-06-28 08:32:00 1.19279 1.19271 1.19283 2.0 0.133333 -0.008905 44
2021-06-28 08:33:00 1.19278 1.19279 1.19282 0.0 -0.032258 0.010950 31
2021-06-28 08:34:00 1.19283 1.19279 1.19285 -2.0 -0.065574 0.033526 31
... ... ... ... ... ... ... ..
2021-06-28 17:14:00 1.19258 1.19244 1.19261 2.0 -0.063694 -0.050396 76
2021-06-28 17:15:00 1.19258 1.19247 1.19262 2.0 0.197531 -0.161537 36
2021-06-28 17:16:00 1.19260 1.19245 1.19262 -2.0 -0.336449 0.046116 54
2021-06-28 17:17:00 1.19276 1.19247 1.19279 4.0 1.298701 -0.415599 29
2021-06-28 17:18:00 1.19308 1.19278 1.19312 2.0 1.117647 -0.398739 26
=0 <0
0
2021-06-28 08:30:00 0 3
2021-06-28 08:31:00 0 32
2021-06-28 08:32:00 0 46
2021-06-28 08:33:00 0 31
2021-06-28 08:34:00 0 30
... .. ..
2021-06-28 17:14:00 0 81
2021-06-28 17:15:00 0 45
2021-06-28 17:16:00 0 53
2021-06-28 17:17:00 0 48
2021-06-28 17:18:00 0 42
При выводе индекса print(res.index) выводит :
DatetimeIndex(['2021-06-28 08:30:00', '2021-06-28 08:31:00',
'2021-06-28 08:32:00', '2021-06-28 08:33:00',
'2021-06-28 08:34:00', '2021-06-28 08:35:00',
'2021-06-28 08:36:00', '2021-06-28 08:37:00',
'2021-06-28 08:38:00', '2021-06-28 08:39:00',
...
'2021-06-28 17:09:00', '2021-06-28 17:10:00',
'2021-06-28 17:11:00', '2021-06-28 17:12:00',
'2021-06-28 17:13:00', '2021-06-28 17:14:00',
'2021-06-28 17:15:00', '2021-06-28 17:16:00',
'2021-06-28 17:17:00', '2021-06-28 17:18:00'],
dtype='datetime64[ns]', name=0, length=529, freq='T')
вопрос : каким методом можно обратить столбец "0" в обычный столбец, чтобы можно было обращаться к нему по ключу "0". В данный момент к нему никак не обратиться..
При изменении индекса: res = df.groupby(pd.Grouper(key=0, freq="1T")).agg(**funcs).reset_index()
и запросе типа данных : print(res.dtypes)
выводит :
0 datetime64[ns]
bid_open float64
bid_close float64
tiks int64
ask_open float64
ask_close float64
bid_min float64
bid_max float64
ask_min float64
ask_max float64
qvant float64
sred float64
skew float64
>0 int64
=0 int64
<0 int64
dtype: object
вот как изменить(привести) столбец "0" в формат float64 или int64 ?
Ответы (1 шт):
Автор решения: strawdog
→ Ссылка
Не совсем ясно, зачем вам это, но, если я правильно понял вопрос, то ваша задача решается довольно просто:
при df:
Data
0
2021-06-28 08:30:00 100
2021-06-28 08:31:00 101
2021-06-28 08:32:00 102
2021-06-28 08:33:00 103
2021-06-28 08:34:00 104
2021-06-28 08:35:00 105
2021-06-28 08:36:00 106
2021-06-28 08:37:00 107
2021-06-28 08:38:00 108
2021-06-28 08:39:00 109
2021-06-28 17:09:00 110
2021-06-28 17:10:00 111
2021-06-28 17:11:00 112
2021-06-28 17:12:00 113
2021-06-28 17:13:00 114
2021-06-28 17:14:00 115
2021-06-28 17:15:00 116
2021-06-28 17:16:00 117
2021-06-28 17:17:00 118
2021-06-28 17:18:00 119
Достаточно просто сбросить индекс и провести конвертацию:
df = df.reset_index()
df[0] = pd.to_datetime(df[0]).astype('int64')/ 10**9
получаем df:
0 Data
0 1.624869e+09 100
1 1.624869e+09 101
2 1.624869e+09 102
3 1.624869e+09 103
4 1.624869e+09 104
5 1.624869e+09 105
6 1.624869e+09 106
7 1.624869e+09 107
8 1.624869e+09 108
9 1.624870e+09 109
10 1.624900e+09 110
11 1.624900e+09 111
12 1.624900e+09 112
13 1.624900e+09 113
14 1.624900e+09 114
15 1.624900e+09 115
16 1.624900e+09 116
17 1.624901e+09 117
18 1.624901e+09 118
19 1.624901e+09 119
типы:
print(df.dtypes)
0 float64
Data int64