python - 按小时分组，同时考虑夏令时

Question

我正在查看一家全天 24 小时工作的工厂的类次数据。我想在 6:00 和 18:00 的每次换类时对数据进行分组。到目前为止，我一直在尝试:

Data_Frame.groupby([pd.Grouper(freq='12H')]).count() 

但是我意识到，由于 freq 设置为 12H，所以它总是需要 12 小时的时间，包括夏令时。

不幸的是，即使时钟发生变化，时间也总是 6:00 和 18:00。这意味着实际上一年中有一个轮类时间为 11 小时，另一个轮类时间为 13 小时，因此在年中组休假 1 小时。

我觉得这是一个非常基本的事情(夏令时)，应该有某种方式告诉 Pandas 它需要考虑夏令时。

我已经尝试将它从 UTC 更改为欧洲/伦敦，但它仍然需要 12 个小时。

非常感谢

编辑:

我发现这样做的唯一方法是，在使用 groupby 之前将我的数据分成 3 个(在第一个小时更改之前，在更改时间，第二个小时更改之前)分别对每个使用 groupby 然后将它们放回一起，但这是烦人且乏味，因此非常感谢比这更好的东西。

Answer 1

每小时和10 分钟 时区感知时间序列跨越 Spring 夏令时变化:

ts_hrly = pd.date_range('03-10-2018', '3-13-2018', freq='H', tz='US/Eastern')
ts_10m = pd.date_range('03-10-2018', '3-13-2018', freq='10T', tz='US/Eastern')

使用每小时数据

ts = ts_hrly
df = pd.DataFrame({'tstamp':ts,'period':range(len(ts))})

dst 转换看起来像这样:

>>> df[18:23]
    period                    tstamp
18      18 2018-03-11 00:00:00-05:00
19      19 2018-03-11 01:00:00-05:00
20      20 2018-03-11 03:00:00-04:00
21      21 2018-03-11 04:00:00-04:00
22      22 2018-03-11 05:00:00-04:00
>>>

为了在 06:00 和 18:00 分界线上分成十二个小时增量，我将每个观察值分配给一个类次编号，然后按类次编号分组

我的数据方便地从换类开始，因此计算自第一次换类以来耗时:

nanosec = df['tstamp'].values - df.iloc[0,1].value

找到类次变化并使用np.cumsum()分配类次编号

shift_change = nanosec.astype(np.int64) % (3600 * 1e9 * 12)  == 0
df['shift_nbr'] = shift_change.cumsum()
gb = df.groupby(df['shift_nbr'])
for k,g in gb:
    print(f'{k} has {len(g)} items')

>>>
1 has 12 items
2 has 12 items
3 has 12 items
4 has 12 items
5 has 12 items
6 has 12 items

我还没有找到一种方法来补偿从类次中间开始的数据。

如果您希望受 dst 更改影响的类次组有 11 或 13 个项目，请将时区感知系列更改为时区朴素系列

df2 = pd.DataFrame({'tstamp':pd.to_datetime(ts.strftime('%m-%d-%y %H:%M')),'period':range(len(ts))})

使用相同的过程按类次编号分配和分组

nanosec = df2['tstamp'].values - df2.iloc[0,1].value
shift_change = nanosec.astype(np.int64) % (3600 * 1e9 * 12)  == 0
df2['shift_nbr'] = shift_change.cumsum()

for k,g in gb2:
    print(f'{k} has {len(g)} items')

>>>
1 has 12 items
2 has 11 items
3 has 12 items
4 has 12 items
5 has 12 items
6 has 12 items
7 has 1 items

不幸的是，pd.to_datetime(ts.strftime('%m-%d-%y %H:%M')) 需要一些时间。这是一种更快/更好的方法，使用时间戳的小时属性来计算经过的小时数 - 无需创建单独的时区天真系列，小时属性似乎不知道。它也适用于从类次中间开始的数据。

ts = pd.date_range('01-01-2018 03:00', '01-01-2019 06:00', freq='H', tz='US/Eastern')
df3 = pd.DataFrame({'tstamp':ts,'period':range(len(ts))})

shift_change = ((df3['tstamp'].dt.hour - 6) % 12) == 0
shift_nbr = shift_change.cumsum()

gb3 = df3.groupby(shift_nbr)

print(sep,'gb3')
for k,g in gb3:
    if len(g) != 12:
        print(f'shift starting {g.iloc[0,1]} has {len(g)} items')

>>>
shift starting 2018-01-01 03:00:00-05:00 has 3 items
shift starting 2018-03-10 18:00:00-05:00 has 11 items
shift starting 2018-11-03 18:00:00-04:00 has 13 items
shift starting 2019-01-01 06:00:00-05:00 has 1 items