我正在尝试创建一个对pandas. 我希望可以选择根据我发送的数据类型指定发生的聚合类型(即对于某些数据,取每个 bin 的总和是合适的,而对于其他数据,需要取平均值, ETC。)。例如像这样的数据:
import pandas as pd
import numpy as np
dr = pd.date_range('01-01-2020', '01-03-2020', freq='1H')
df = pd.DataFrame(np.random.rand(len(dr)), index=dr)
我可以有这样的功能:
def process(df, freq='3H', method='sum'):
r = df.resample(freq)
if method == 'sum':
r = r.sum()
elif method == 'mean':
r = r.mean()
#...
#more options
#...
return r
对于少量的聚合方法,这很好,但如果我想从所有可能的选项中进行选择,这似乎很乏味。
我希望用它getattr
来实现类似这篇文章的东西(在“让它发挥作用:泛化方法调用”下)。但是,我找不到这样做的方法:
def process2(df, freq='3H', method='sum'):
r = df.resample(freq)
foo = getattr(r, method)
return r.foo()
#fails with:
#AttributeError: 'DatetimeIndexResampler' object has no attribute 'foo'
def process3(df, freq='3H', method='sum'):
r = df.resample(freq)
foo = getattr(r, method)
return foo(r)
#fails with:
#TypeError: __init__() missing 1 required positional argument: 'obj'
我明白为什么process2会失败(调用r.foo()查找方法foo(),r而不是变量foo)。但我不认为我明白为什么process3会失败。
我知道另一种方法是将函数传递给参数method,然后将apply这些函数传递给r. 我的倾向是这会降低效率吗?而且它仍然不允许我直接访问内置的 Resample 方法。
有没有一种更简洁的工作方式来实现这一目标?谢谢!
不负相思意
相关分类