如何在Pandas中移除毫秒及对应ECG信号数据，转为秒级格式

嘿，作为Pandas新手面对数十万行的ECG数据确实有点棘手，不过别慌，咱们一步步来搞定把毫秒级数据转成秒级的需求：

第一步：把时间列转成datetime类型 #

首先得确保你的Time列是Pandas能识别的日期时间格式，不然没法做后续的时间处理。如果原始数据里Time是字符串，用下面的代码转换：

import pandas as pd

# 假设你的数据存在CSV里，先加载进来
df = pd.read_csv('ecg_data.csv')
# 转换Time列为datetime类型
df['Time'] = pd.to_datetime(df['Time'])

第二步：生成秒级时间戳 #

接下来咱们把带毫秒的时间戳“砍掉”毫秒部分，统一取到秒级。这里用dt.floor('S')可以把时间向下取整到最近的秒，比如2020-10-09 15:55:49.004会变成2020-10-09 15:55:49：

# 新增一个秒级时间列
df['Time_second'] = df['Time'].dt.floor('S')

第三步：按秒级时间聚合数据 #

现在同一秒内的所有毫秒数据都对应到了同一个秒级时间，接下来要把这些数据合并成一行。这里有两种常见的处理方式，你可以根据需求选：

• 方式一：保留每个秒的第一条数据
  如果只想保留同一秒内最早采集的那组ECG值，用first()：

  df_second = df.groupby('Time_second').first().reset_index()
  

• 方式二：取同一秒内ECG数据的平均值
  要是想让秒级数据更能代表这一秒的信号水平，取平均值会更合理：

  df_second = df.groupby('Time_second').mean().reset_index()
  

第四步：整理最终数据 #

最后可以把原来的带毫秒的Time列删掉，只保留咱们需要的秒级时间和ECG数据：

df_second = df_second.drop(columns=['Time'])

这样处理完之后，你就得到了秒级的ECG数据，行数会直接降到原来的1/1000左右，处理起来就轻松多啦～

内容的提问来源于stack exchange，提问作者SHEHAB