前提

Pythonのデータ整形について不明な点があるので，　詳しい方にお伺いしたいです．

現在，このようなデータセットがあります

                              user  nice     system       idle    iowait       irq   softirq  steal
time                                                                                               
1900-01-01 15:59:36.600        NaN   NaN        NaN        NaN       NaN       NaN       NaN    NaN
1900-01-01 15:59:36.700  14.666667   0.0  17.000000  40.666667  0.000000  1.333333  0.333333    0.0
1900-01-01 15:59:36.800  17.833333   0.0  18.500000  35.833333  0.000000  0.666667  0.666667    0.0
1900-01-01 15:59:36.900  13.000000   0.0  16.500000  28.500000  0.000000  1.500000  0.000000    0.0
1900-01-01 15:59:37.000  16.833333   0.0  19.666667  42.333333  0.000000  1.166667  0.000000    0.0
...                            ...   ...        ...        ...       ...       ...       ...    ...
1900-01-01 15:59:44.100  16.000000   0.0  18.000000  45.500000  0.666667  1.666667  0.000000    0.0
1900-01-01 15:59:44.200  16.666667   0.0  18.666667  39.833333  0.000000  1.333333  1.000000    0.0
1900-01-01 15:59:44.300  17.333333   0.0  18.333333  43.666667  0.000000  0.666667  0.000000    0.0
1900-01-01 15:59:44.400  16.000000   0.0  16.666667  36.000000  0.000000  0.666667  0.333333    0.0
1900-01-01 15:59:44.500  10.000000   0.0  15.333333  36.000000  0.000000  1.333333  0.666667    0.0

最も右側のカラムがset_indexによりインデックスになっており，型は<class 'numpy.datetime64'>です．

実現したいこと

これを差分を取って，100 milliseconds単位に経過時間として再代入したいです．（要は上から0, 0.1, 0.2, 0.3...(s)）となるようにインデックスの値を割り振りたいということです．）

インデックスの値をrenameメソッドでどうやら変更できるようですが，今回のように型が<class 'numpy.datetime64'>の場合，どのようにしてプログラムを書けば調べてもわかりませんでした．
文字列であれば簡単に変更できるのですが，この解決策を知っている方いましたら教えていただけると助かります...代入の部分を特に知りたいです．差分を計算する部分についてはtimedelta64を用いて実証済みです．

どうぞよろしくお願いいたします．

行動規範の内容に同意します

回答1件

ベストアンサー

こんな感じでしょうか

Python
1import pandas as pd
2import numpy as np
3import io
4
5input_data = """
6time,user,nice,system,idle,iowait,irq,softirq,steal
71900-01-01 15:59:36.600,,,,,,,,
81900-01-01 15:59:36.700,14.666667,0.0,17.000000,40.666667,0.000000,1.333333,0.333333,0.0
91900-01-01 15:59:36.800,17.833333,0.0,18.500000,35.833333,0.000000,0.666667,0.666667,0.0
101900-01-01 15:59:36.900,13.000000,0.0,16.500000,28.500000,0.000000,1.500000,0.000000,0.0
111900-01-01 15:59:37.000,16.833333,0.0,19.666667,42.333333,0.000000,1.166667,0.000000,0.0
121900-01-01 15:59:44.100,16.000000,0.0,18.000000,45.500000,0.666667,1.666667,0.000000,0.0
131900-01-01 15:59:44.200,16.666667,0.0,18.666667,39.833333,0.000000,1.333333,1.000000,0.0
141900-01-01 15:59:44.300,17.333333,0.0,18.333333,43.666667,0.000000,0.666667,0.000000,0.0
151900-01-01 15:59:44.400,16.000000,0.0,16.666667,36.000000,0.000000,0.666667,0.333333,0.0
161900-01-01 15:59:44.500,10.000000,0.0,15.333333,36.000000,0.000000,1.333333,0.666667,0.0
17"""
18df = pd.read_csv(io.StringIO(input_data))
19df['time'] = df['time'].apply(np.datetime64)
20df = df.set_index('time')
21
22print(df)
23"""
24                              user  nice     system       idle    iowait       irq   softirq  steal
25time
261900-01-01 15:59:36.600        NaN   NaN        NaN        NaN       NaN       NaN       NaN    NaN
271900-01-01 15:59:36.700  14.666667   0.0  17.000000  40.666667  0.000000  1.333333  0.333333    0.0
281900-01-01 15:59:36.800  17.833333   0.0  18.500000  35.833333  0.000000  0.666667  0.666667    0.0
291900-01-01 15:59:36.900  13.000000   0.0  16.500000  28.500000  0.000000  1.500000  0.000000    0.0
301900-01-01 15:59:37.000  16.833333   0.0  19.666667  42.333333  0.000000  1.166667  0.000000    0.0
311900-01-01 15:59:44.100  16.000000   0.0  18.000000  45.500000  0.666667  1.666667  0.000000    0.0
321900-01-01 15:59:44.200  16.666667   0.0  18.666667  39.833333  0.000000  1.333333  1.000000    0.0
331900-01-01 15:59:44.300  17.333333   0.0  18.333333  43.666667  0.000000  0.666667  0.000000    0.0
341900-01-01 15:59:44.400  16.000000   0.0  16.666667  36.000000  0.000000  0.666667  0.333333    0.0
351900-01-01 15:59:44.500  10.000000   0.0  15.333333  36.000000  0.000000  1.333333  0.666667    0.0
36"""
37
38print(type(df.index[0]))
39"""
40<class 'pandas._libs.tslibs.timestamps.Timestamp'>
41"""
42
43df.index = (df.index - df.index[0]).astype('uint64') / 1e9
44print(df)
45"""
46           user  nice     system       idle    iowait       irq   softirq  steal
47time
480.0         NaN   NaN        NaN        NaN       NaN       NaN       NaN    NaN
490.1   14.666667   0.0  17.000000  40.666667  0.000000  1.333333  0.333333    0.0
500.2   17.833333   0.0  18.500000  35.833333  0.000000  0.666667  0.666667    0.0
510.3   13.000000   0.0  16.500000  28.500000  0.000000  1.500000  0.000000    0.0
520.4   16.833333   0.0  19.666667  42.333333  0.000000  1.166667  0.000000    0.0
537.5   16.000000   0.0  18.000000  45.500000  0.666667  1.666667  0.000000    0.0
547.6   16.666667   0.0  18.666667  39.833333  0.000000  1.333333  1.000000    0.0
557.7   17.333333   0.0  18.333333  43.666667  0.000000  0.666667  0.000000    0.0
567.8   16.000000   0.0  16.666667  36.000000  0.000000  0.666667  0.333333    0.0
577.9   10.000000   0.0  15.333333  36.000000  0.000000  1.333333  0.666667    0.0
58"""