TL：DR
我想按主题和30天的时间段进行分组，但是30天的时间段不是按主题进行个性化设置的。
处理此问题的最佳方法是什么？
完整说明
我有一个参与者样本，他们都是在不同时间开始科学研究的。我想使用TimeGrouper在研究的第一天之后每30天细分一次。
经过一些搜索之后，似乎不可能实现，因为很难为TimeGrouper指定起点。因此，作为代理，我可以为每个人使用第一个观察到的时间戳。
为此，我尝试按参与者ID和TimeGrouper进行分组，但是30天的时间似乎从最早的全局时间点开始计算，而不是从每个参与者的最早时间点开始计算。
我知道这有点复杂，所以这里是一些代码：
这是一个伪数据框，代表我正在使用的数据类型：
fakedf = pd.DataFrame({'participantID':['subj1', 'subj1', 'subj1', 'subj1', 'subj2', 'subj2', 'subj2', 'subj2'],
'timestamp':['2015-06-25 01:12:00', '2015-06-30 11:02:00', '2015-07-05 09:33:00', '2015-07-28 07:22:00',
'2015-07-25 01:11:00', '2015-07-31 11:02:00', '2015-08-07 09:33:00', '2015-08-10 07:22:00'], 'studystart':['2015-06-20 00:00:00', '2015-06-20 00:00:00', '2015-06-20 00:00:00', '2015-06-20 00:00:00',
'2015-07-25 00:00:00', '2015-07-25 00:00:00', '2015-07-25 00:00:00', '2015-07-25 00:00:00']})
fakedf.index = pd.to_datetime(fakedf.timestamp)
上面的代码应创建此数据框：
下面是我希望实际工作的代码：
fakedf.groupby(['participantID', pd.TimeGrouper(freq="30D", closed='left')]).count()
这是输出：
您可以看到subj1和subj2在2015-06-25开始它们的时间分组，尽管subj2直到2015-07-25才有真实的时间戳。
如果我可以通过以下任一方式开始每30天一次的时间分组，那我会很高兴：
a）研究开始日期，或
b）每个参与者的第一个时间戳
我有一个我知道可以使用的低技术解决方案，但是我希望有一个很好的，优雅的TimeGrouper解决方案。
提前致谢！
最佳答案
要使TimeGrouper处于参与者级别，请首先在groupby上执行'participantID'，然后在每个组内，在groupby上执行另一个TimeGrouper。为了清楚起见，我将第二个groupby分离为一个单独的函数。
def inner_groupby(grp, key=None):
return grp.groupby(pd.TimeGrouper(key=key, freq='30D')).count()
fakedf.groupby('participantID').apply(inner_groupby)
结果输出：
participantID studystart timestamp
participantID timestamp
subj1 2015-06-25 01:12:00 3 3 3
2015-07-25 01:12:00 1 1 1
subj2 2015-07-25 01:11:00 4 4 4
您无需为
key指定TimeGrouper。默认情况下，我相信它将使用索引。但是，如果希望TimeGrouper位于其他列上，例如'studystart'，则可以通过key参数传递它：fakedf.groupby('participantID').apply(inner_groupby, key='studystart')
以及
key='studystart'的结果输出： participantID timestamp
participantID studystart
subj1 2015-06-20 4 4
subj2 2015-07-25 4 4
关于python - PANDAS TimeGrouper具有个性化的下采样起点，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/37954489/