我有一些时间序列数据作为Pandas数据帧，从一小时后15分钟和过去45分钟（30分钟的时间间隔）开始观察，然后将频率改变为每分钟 . 我想对数据进行重新采样，使其在整个数据帧的每小时30分钟，15小时和45小时的常规频率 .
我想到了实现这个目标的两种方法 .
1.使用时间序列数据作为数据帧中的列，只需在15分钟和45分钟时过滤所有观测值的数据帧 .
2.重新设置索引，使时间序列数据是多索引的一部分（索引的第0级是气象站，第1级是观察的时间）并使用熊猫日期时间序列功能，如 resample() .
原始数据帧，天气，如下所示：
parsed_time Pressure Temp Hum
Station (index)
Bow 1 2018-04-15 14:15:00 1012 20.0 87
2 2018-04-15 14:45:00 1013 20.0 87
3 2018-04-15 15:15:00 1012 21.0 87
4 2018-04-15 15:45:00 1014 22.0 86
5 2018-04-15 16:00:00 1015 22.0 86
6 2018-04-15 16:01:00 1012 25.0 86
7 2018-04-15 16:02:00 1012 25.0 86
Stratford 8 2018-04-15 14:15:00 1011 18.0 87
9 2018-04-15 14:45:00 1011 18.0 87
10 2018-04-15 15:15:00 1012 18.0 87
11 2018-04-15 15:45:00 1014 19.0 86
12 2018-04-15 16:00:00 1014 19.0 86
13 2018-04-15 16:01:00 1015 19.0 86
14 2018-04-15 16:02:00 1016 20.0 86
15 2018-04-15 16:04:00 1016 20.0 86
使用方法1，我遇到的问题是我的布尔选择操作似乎没有按预期工作 . 例如
weather_test = weather[weather['parsed_time'].dt.minute == (15 & 45)]
给出parsed_time值，如下所示：
2018-04-15 14:13:002018-04-15 15:13:00
weather_test = weather[weather['parsed_time'].dt.minute == (15 | 45)]
结果是parsed_time值，如下所示：
2018-04-15 14:47:002018-04-15 14:47:00
我在文档中找不到任何解释这种行为的东西 . 我想要的是在下列时间站的压力，温度，湿度：
2018-04-15 14:45:00
2018-04-15 15:15:00
2018-04-15 15:45:00
2018-04-15 16:15:00
等等 .
使用方法2，我想重新采样数据，以便我将每分钟数据的观察值替换为前30分钟的平均值 . 只有当parsed_time列是索引的一部分时，此功能似乎才有效，因此我使用以下代码将parsed_time设置为多索引的一部分：
weather.set_index('parsed_time', append=True, inplace=True)
weather.index.set_names('station', level=0, inplace=True)
weather = weather.reset_index(level=1, drop=True)
最终得到一个如下所示的数据框：
Pressure Temp Hum
Station parsed_time
Bow 2018-04-15 14:15:00 1012 20.0 87
2018-04-15 14:45:00 1013 20.0 87
2018-04-15 15:15:00 1012 21.0 87
2018-04-15 15:45:00 1014 22.0 86
2018-04-15 16:00:00 1015 22.0 86
2018-04-15 16:01:00 1012 25.0 86
2018-04-15 16:02:00 1012 25.0 86
Stratford 2018-04-15 14:15:00 1011 18.0 87
2018-04-15 14:45:00 1011 18.0 87
2018-04-15 15:15:00 1012 18.0 87
2018-04-15 15:45:00 1014 19.0 86
2018-04-15 16:00:00 1014 19.0 86
2018-04-15 16:01:00 1015 19.0 86
2018-04-15 16:02:00 1016 20.0 86
2018-04-15 16:04:00 1016 20.0 86
请注意，观测结果的变化时间为每30分钟：过去15分钟和过去每分钟45分钟（例如：01，：02，：14等），并且它也因站点而异 - 并非所有站点都有观察结果 .
我试过这个：
weather_test = weather.resample('30min', level=1).mean()
但是这个重新采样没有偏移，也摆脱了多索引中的站级别 .
期望的结果是：
Pressure Temp Hum
Station parsed_time
Bow 2018-04-15 14:15:00 1012 20.0 87
2018-04-15 14:45:00 1013 20.0 87
2018-04-15 15:15:00 1012 21.0 87
2018-04-15 15:45:00 1014 22.0 86
2018-04-15 16:15:00 1013 24.0 86
Stratford 2018-04-15 14:15:00 1011 18.0 87
2018-04-15 14:45:00 1011 18.0 87
2018-04-15 15:15:00 1012 18.0 87
2018-04-15 15:45:00 1014 19.0 86
2018-04-15 16:15:00 1015 19.5 86
其中每分钟的观察结果被重新采样为30分钟间隔的平均值：15和45小时 .
将站点保持在多指标中的水平是至关重要的 . 我不能将时间索引用作索引，因为每个站的值都重复（并且不是唯一的） .
所有的帮助表示赞赏，因为我已经在这个圈子里转了一会儿 . 谢谢！
我看了很多以前的帖子，包括：Boolean filter using a timestamp value on a dataframe in Python
How do I round datetime column to nearest quarter hour
并且：Resampling a pandas dataframe with multi-index containing timeseries对于应该非常简单的事情来说似乎有点复杂......
和文档：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.resample.html谢谢！
3 回答
从您的第二个最后一个数据帧开始（使用
weather.reset_index(Station, inplace=True)之后）：你可以使用
groupby和resample的组合：默认情况下，
resample选择bin间隔[16:00, 16:30)和[16:30, 17:00). 正如您已经注意到的那样，时间索引是重新采样的，没有偏移量，但您可以使用DateOffset将其添加回来：产量：
或者，您可以直接在resample方法中指定偏移量：
我没有您的数据，因此我无法直接检查这些数据，但请尝试以下语法作为选项1的选项：
如果您在没有任何索引的情况下开始（行索引除外），则可以执行以下操作：