我有一个不规则索引的时间序列数据,分辨率为秒,例如:
import pandas as pd
idx = ['2012-01-01 12:43:35', '2012-03-12 15:46:43',
'2012-09-26 18:35:11', '2012-11-11 2:34:59']
status = [1, 0, 1, 0]
df = pd.DataFrame(status, index=idx, columns = ['status'])
df = df.reindex(pd.to_datetime(df.index))
In [62]: df
Out[62]:
status
2012-01-01 12:43:35 1
2012-03-12 15:46:43 0
2012-09-26 18:35:11 1
2012-11-11 02:34:59 0
我对状态为 1 的一年中的一小部分感兴趣。我目前的做法是在一年中的每一秒重新索引 df
并使用前向填充,如:
full_idx = pd.date_range(start = '1/1/2012', end = '12/31/2012', freq='s')
df1 = df.reindex(full_idx, method='ffill')
它返回一个 DataFrame
,其中包含一年中的每一秒,然后我可以计算它的平均值,以查看处于 1
状态的时间百分比,例如:
In [66]: df1
Out[66]:
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 31536001 entries, 2012-01-01 00:00:00 to 2012-12-31 00:00:00
Freq: S
Data columns:
status 31490186 non-null values
dtypes: float64(1)
In [67]: df1.status.mean()
Out[67]: 0.31953371123308066
问题是我必须对大量数据执行此操作,并且在一年中的每一秒重新索引它是迄今为止最昂贵的操作。
有什么更好的方法可以做到这一点?
最佳答案
似乎没有 pandas 方法来计算不规则时间序列条目之间的时间差,尽管有一种方便的方法可以将时间序列索引转换为 datetime.datetime
数组> 对象,可以通过减法转换为datetime.timedelta
对象。
In [6]: start_end = pd.DataFrame({'status': [0, 0]},
index=[pd.datetools.parse('1/1/2012'),
pd.datetools.parse('12/31/2012')])
In [7]: df = df.append(start_end).sort()
In [8]: df
Out[8]:
status
2012-01-01 00:00:00 0
2012-01-01 12:43:35 1
2012-03-12 15:46:43 0
2012-09-26 18:35:11 1
2012-11-11 02:34:59 0
2012-12-31 00:00:00 0
In [9]: pydatetime = pd.Series(df.index.to_pydatetime(), index=df.index)
In [11]: df['duration'] = pydatetime.diff().shift(-1).\
map(datetime.timedelta.total_seconds, na_action='ignore')
In [16]: df
Out[16]:
status duration
2012-01-01 00:00:00 0 45815
2012-01-01 12:43:35 1 6145388
2012-03-12 15:46:43 0 17117308
2012-09-26 18:35:11 1 3916788
2012-11-11 02:34:59 0 4310701
2012-12-31 00:00:00 0 NaN
In [17]: (df.status * df.duration).sum() / df.duration.sum()
Out[17]: 0.31906950786402843
注意:
- 我们的答案似乎有所不同,因为我将第一个时间戳之前的
status
设置为零,而这些条目在您的df1
中为 NA,因为没有起始值可以向前填充并且NA 值被 pandas mean() 排除。 -
timedelta.total_seconds()
是 Python 2.7 中的新内容。 此方法与重建索引的时间比较:
In [8]: timeit delta_method(df) 1000 loops, best of 3: 1.3 ms per loop In [9]: timeit redindexing(df) 1 loops, best of 3: 2.78 s per loop
关于python - 计算时间序列数据在某种状态下的时间,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14167487/