2
这是一个人为设计的例子,可以方便地保存数据,但总的来说,这应该是一个适用于广泛受众的问题。将一个时间序列的数据分配到另一个时间序列
我有一个时间序列的测量值,如下所示:
In [1]: import pandas as pd
In [2]: index = pd.date_range(start="18:10",periods=20,freq='min')
In [3]: df = pd.DataFrame(randn(20,3),columns=list('abc'),index=index)
In [4]: df.head()
Out[4]:
a b c
2013-02-27 18:10:00 -1.344753 0.438351 1.561849
2013-02-27 18:11:00 1.715643 1.601984 -0.027408
2013-02-27 18:12:00 -0.142264 -0.049462 0.482493
2013-02-27 18:13:00 0.132617 0.737902 -0.347620
2013-02-27 18:14:00 1.277257 0.083401 0.649422
在“真实”测量之间,校准测量被完成,但在比测量,例如一个低得多的频率像这样:
In [5]: calindex = pd.date_range("18:12:30",periods=4,freq='5min')
In [6]: caldata = pd.Series([10,20,30,40],index = calindex)
In [7]: caldata
Out[7]:
2013-02-27 18:12:30 10
2013-02-27 18:17:30 20
2013-02-27 18:22:30 30
2013-02-27 18:27:30 40
Freq: 5T
现在的一般想法是将这些校准数据应用于测量。 为此,我想通过'最接近时间'的方法分配/广播校准数据,所以我想生成另一个名为'偏移量'的列,例如即校准值在每行的测量值与每个测量值的时间最接近。
因此,我像这样的最终结果后:
In [14]: df
Out[14]:
a b c offsets
2013-02-27 18:10:00 -1.344753 0.438351 1.561849 10
2013-02-27 18:11:00 1.715643 1.601984 -0.027408 10
2013-02-27 18:12:00 -0.142264 -0.049462 0.482493 10
2013-02-27 18:13:00 0.132617 0.737902 -0.347620 10
2013-02-27 18:14:00 1.277257 0.083401 0.649422 10
2013-02-27 18:15:00 0.048120 0.421220 0.149372 20
2013-02-27 18:16:00 0.812317 -1.517389 2.035487 20
2013-02-27 18:17:00 -0.058959 -0.034876 -1.535118 20
2013-02-27 18:18:00 -0.666227 0.040208 -1.042464 20
2013-02-27 18:19:00 -0.077031 -0.158351 -0.441992 20
2013-02-27 18:20:00 0.103083 -0.129341 0.294073 30
2013-02-27 18:21:00 0.900802 0.443271 -0.946229 30
2013-02-27 18:22:00 0.744631 -0.058666 -0.386226 30
2013-02-27 18:23:00 -0.064313 0.500321 -0.536237 30
2013-02-27 18:24:00 -0.392653 0.789827 0.000109 30
2013-02-27 18:25:00 1.926765 0.252259 -0.051475 40
2013-02-27 18:26:00 -0.035577 0.559222 -0.290751 40
2013-02-27 18:27:00 1.726165 0.626515 -0.868177 40
2013-02-27 18:28:00 1.269409 1.520980 -0.181637 40
2013-02-27 18:29:00 -1.151166 -0.300196 0.420747 40
值的应用到通过.MAP等栏目,。适用等,我相信理解很好,这是显然需要时间或抵消技巧需要做的分配的价值,我不知道什么开始。
是否应该用pandas.DateOffsets攻击?是否有机械来最大限度地减少熊猫内部的时间差异?
我很欣赏向正确的方向发展,并不一定要完整,只是我需要去的方向。
谢谢!但是:'l'和'r'是不确定的? – 2013-02-28 06:40:02
我编辑了源代码,我认为这次没问题。 – HYRY 2013-02-28 07:03:21
我试图使用它,但收到错误:left_diff和right_diff不能显示在ipython控制台中,我得到错误“TypeError:不知道如何将标量数字转换为int).np.where打破了错误“TypeError:ufunc'less'不支持输入类型,并且输入不能根据转换规则'safe'安全地强制转换为任何支持的类型” – 2013-02-28 07:07:22