python - 在 Python 中按时间序列箱对项目进行分组

Question

我的数据如下所示:

[[datetime1, label1],
 [datetime2, label2],
 [datetime3, label3]]

标签是字符串。我有一个分箱参数 (delta)，它是一个 datetime.timedelta。

我正在尝试做的事情:

1. 提出一组日期时间 bin，按 delta 等间隔。换句话说，在下面，datetimebin2 - datetimebin1 = datetimebin3 - datetimebin2 = delta。
2. 将标签放入这些容器中。

所以我最终会得到这样的东西:

[[datetimebin1, [label1, label2],
 [datetimebin2, []],
 [datetimebin3, []],
 [datetimebin4, [label3]]

有人向我指出 pandas，但没有找到我要找的东西。非常感谢任何帮助!

Answer 1

我认为@DrV 是正确的答案，但我已经准备了一个示例，试图展示如何使用 Pandas 实现类似的事情:

import numpy
import pandas
import datetime
import time

# Binning delta

delta = datetime.timedelta(hours=1)

# Sample data

sample = [
    ['2014-08-09 16:30:00', 'label1'],
    ['2014-08-09 15:30:00', 'label2'],
    ['2014-08-09 14:30:00', 'label3'],
    ['2014-08-09 14:00:00', 'label4']
]

# Create dataframe and append UNIX timestamp column

df = pandas.DataFrame(sample)
df.columns = ['Datetime', 'Label']
df['Datetime'] = pandas.to_datetime(df['Datetime'])
df['UnixStamp'] = df['Datetime'].apply(lambda d: time.mktime(d.timetuple()))
df = df.set_index('Datetime')

# Calculate bins

bins = numpy.arange(min(df['UnixStamp']), max(df['UnixStamp']) + delta.seconds, delta.seconds)

# Group columns by datetime bin

def bin_from_tstamp(tstamp):

    diffs = [abs(tstamp - bin) for bin in bins]
    return bins[diffs.index(min(diffs))]

grouped = df.groupby(df['UnixStamp'].map(
    lambda t: datetime.datetime.fromtimestamp(bin_from_tstamp(t))
))

此时 grouped 包含按日期时间 bin 分组的数据集。

以下是打印 grouped.groups 的结果(其中键是日期时间 bin，值是分组的日期时间):

{
    numpy.datetime64('2014-08-09T18:00:00.000000000+0200'): [
        Timestamp('2014-08-09 16:30:00')
    ], 
    numpy.datetime64('2014-08-09T17:00:00.000000000+0200'): [
        Timestamp('2014-08-09 15:30:00')
    ], 
    numpy.datetime64('2014-08-09T16:00:00.000000000+0200'): [
        Timestamp('2014-08-09 14:30:00'), 
        Timestamp('2014-08-09 14:00:00'
    ]
}