2

Estoy realizando calculo matemático sobre la obtención de datos por segundo, tengo entendido que Python con Panda, es posible agrupar sobre un conjunto de datos o segmento:

Para que tengan una idea de mi registro de datos almacenados en db

time	A
1552403400	12
1552403401	23
1552403402	1
1552403403	2
..	..
1552403457	1
1552403458	20
1552403459	21
1552403460	21
1552403461	34
1552403462	1
1552403463	2
1552403464	1
..	..
1552403516	12
1552403517	4
1552403518	17
1552403519	17
1552403520	18

Lo que estoy intentando hacer, es agrupar los segundos "time" y obtener un promedio de la columna "A", como información final:

time	A
1552403400	Valor Promedio
1552403460	Valor Promedio

Hasta hora tengo algo como lo siguiente:

query = "SELECT * FROM datos WHERE id = '%s' AND time BETWEEN %s AND %s" % (id,str(inicio),str(fin))
		print query
		data = pd.read_sql_query(query, con)
		last_time = chunk_time

		data['per_minuto'] = (data['time'].apply(int)).apply(int)
		#print data['per_minuto']
		grouped_per_time = data.groupby('per_minuto')

Pero lo anterior me sigue devolviendo por segundo.

1 respuesta 1

1

De acuerdo con la información que suministras, intenté recrear la información que tienes. Usando la librería pandas cree un dataframe de nombre dfcon la siguiente estructura:

   time        A
0  1552403428  16
1  1552403434  33
2  1552403403  24
3  1552403433  28
4  1552403407  20
Dimensiones: (100, 2)

Contiene en total 100 registros generados aleatoriamente. Para agrupar por la columna time debes tener valores repetidos, de lo contrario, el resultado será el mismo dataframe. Para comprobar esto puedes ejecutar:

print(f'Número de registros: {len(df)}')
print(f'Número de resgistros únicos {len(pd.unique(df.time))}')

# Número de registros: 100
# Número de resgistros únicos 50

Como ves, de los 100 registros 50 son únicos, lo que quiere decir que el dataframe resultante después de realizar el agrupado tendrá 52 registros. Con el siguiente código puedes agrupas por la columna time y obtener el promedio de la columna A, tal y como mencionas arriba.

groupby_seconds = df.groupby(['time']).agg({'A': 'mean'})
print(groupby_seconds.head())

#          time          A
# 0  1552403400  12.000000
# 1  1552403401  15.666667
# 2  1552403403  17.000000
# 3  1552403406  33.333333
# 4  1552403407  20.000000
# Dimensiones: (50, 2)

Puedes comprobar el resultado de cualquiera de los registros, en este caso, comprobaré el promedio del registro 1552403401 de la siguiente forma:

print(df[df.time == 1552403401])

#   time         A
#21  1552403401  10
#32  1552403401  21
#97  1552403401  16

Puedes comprobar que efectivamente el promedio de la columna A es: 15.666667

Espero te sirva.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.