Последние 10 минут в день

Question

Я пытаюсь получить, сколько от объема транзакций бизнеса делаются из последних каждых 10 минут каждого дня

Данные у меня есть следующий:

DF_Q 

Out[97]: 
LongTime 
2016-01-04 09:30:00  35077034 
2016-01-04 09:30:11   1119 
2016-01-04 09:30:21  12295250 
2016-01-04 09:30:23  1387856 
2016-01-04 09:30:40  877954 
... 
2016-05-27 15:59:53  16986 
2016-05-27 15:59:58  50080165 
2016-05-27 15:59:59  17097260 
Name: Volume, dtype: int64 

Я первый ресэмплировать, что ряд до 10 минут интервальных и я получил:

DF_Qmin = DF_Q.resample('10min').sum() 

DF_Qmin 
Out[102]: 
LongTime 
2016-01-04 09:30:00 3.202500e+05 
2016-01-04 09:40:00 1.192028e+08 
2016-01-04 09:50:00 6.156090e+07 
2016-01-04 10:00:00 1.289250e+09 
... 
2016-05-27 15:20:00 1.035539e+09 
2016-05-27 15:30:00 1.489631e+09 
2016-05-27 15:40:00 2.228257e+09 
2016-05-27 15:50:00 5.352179e+09 
Freq: 10T, Name: Volume, dtype: float64 

а потом я сводную таблицу

, который я сохранить как Excel и я вручную получить последний 10 минутный объем каждого дня

2016-01-04 16:50:00 3.693279e+09 
2016-01-05 16:50:00 2.158429e+09 
... 
2016-05-26 15:50:00 1.256878e+08 
2016-05-27 15:50:00 6.521489e+09 

Можно сделать это без первенствует? или итерации каждый день?

Answer 1

Я думаю, что вам нужно groupby по date и агрегирование last. Последний rename_axis (новый в pandas0.18.0) и reset_index:

#if need column LongTime 
DF_Qmin = DF_Qmin.reset_index() 

print (DF_Qmin.groupby(DF_Qmin.LongTime.dt.date).last()) 

Образец:

import pandas as pd 

DF_Qmin = pd.Series({pd.Timestamp('2016-01-04 09:30:00'): 320250.0, pd.Timestamp('2016-01-04 09:50:00'): 61560900.0, pd.Timestamp('2016-05-27 15:40:00'): 2228257000.0, pd.Timestamp('2016-01-04 09:40:00'): 119202800.0, pd.Timestamp('2016-05-27 15:30:00'): 1489631000.0, pd.Timestamp('2016-01-04 10:00:00'): 1289250000.0, pd.Timestamp('2016-05-27 15:50:00'): 5352179000.0, pd.Timestamp('2016-05-27 15:20:00'): 1035539000.0}, name='Volume') 
DF_Qmin.index.name = 'LongTime' 
print (DF_Qmin) 
LongTime 
2016-01-04 09:30:00 3.202500e+05 
2016-01-04 09:40:00 1.192028e+08 
2016-01-04 09:50:00 6.156090e+07 
2016-01-04 10:00:00 1.289250e+09 
2016-05-27 15:20:00 1.035539e+09 
2016-05-27 15:30:00 1.489631e+09 
2016-05-27 15:40:00 2.228257e+09 
2016-05-27 15:50:00 5.352179e+09 
Name: Volume, dtype: float64 

DF_Qmin = DF_Qmin.reset_index() 
print (DF_Qmin) 
      LongTime  Volume 
0 2016-01-04 09:30:00 3.202500e+05 
1 2016-01-04 09:40:00 1.192028e+08 
2 2016-01-04 09:50:00 6.156090e+07 
3 2016-01-04 10:00:00 1.289250e+09 
4 2016-05-27 15:20:00 1.035539e+09 
5 2016-05-27 15:30:00 1.489631e+09 
6 2016-05-27 15:40:00 2.228257e+09 
7 2016-05-27 15:50:00 5.352179e+09 

print (DF_Qmin.groupby(DF_Qmin.LongTime.dt.date) 
       .last() 
       .rename_axis('Date') 
       .reset_index()) 

     Date   LongTime  Volume 
0 2016-01-04 2016-01-04 10:00:00 1.289250e+09 
1 2016-05-27 2016-05-27 15:50:00 5.352179e+09 

Если в прошлый раз не приходится:

print (DF_Qmin.groupby(DF_Qmin.index.date) 
       .last() 
       .rename_axis('Date') 
       .reset_index()) 
     Date  Volume 
0 2016-01-04 1.289250e+09 
1 2016-05-27 5.352179e+09 

Answer 2

после ресэмплирования серии/DF вы можете сделать это следующим образом:

DF_Qmin.ix[DF_Qmin.index.minute == 50]