Преобразование измерений с неправильным измерением времени в равные интервалы, взвешенные по времени средние значения
У меня есть серия измерений, которые имеют временную печать и нерегулярно разнесены. Значения в этих рядах всегда представляют собой изменения измерения - т.е. Без изменения никакого нового значения. Простой пример такой серии:
23:00:00.100 10
23:00:01.200 8
23:00:01.600 0
23:00:06.300 4
То, что я хочу достичь, - это равномерно распределенная серия взвешенных по времени средних значений. Для данного примера я мог бы стремиться к частоте, основанной на секундах, и, следовательно, иметь следующий результат:
23:00:01 NaN ( the first 100ms are missing )
23:00:02 5.2 ( 10*0.2 + 8*0.4 + 0*0.4 )
23:00:03 0
23:00:04 0
23:00:05 0
23:00:06 2.8 ( 0*0.3 + 4*0.7 )
Я ищу библиотеку Python, которая решает эту проблему. Для меня это кажется стандартной проблемой, но до сих пор я не мог найти такую функциональность в стандартных библиотеках, таких как pandas.
Алгоритм должен учитывать две вещи:
- взвешенное по времени усреднение
- учитывая значения перед текущим интервалом (и, возможно, даже впереди свинца) при формировании среднего значения
Использование pandas
data.resample('S', fill_method='pad') # forming a series of seconds
выполняет части работы. Предоставление пользовательской функции для агрегирования позволит формировать средневзвешенные средние значения, но поскольку начало интервала игнорируется, это среднее значение также будет неверным. Хуже того: дырки в серии заполняются средними значениями, ведущими в примере сверху, чтобы значения секунд 3, 4 и 5 были отличными от нуля.
data = data.resample('L', fill_method='pad') # forming a series of milliseconds
data.resample('S')
делает трюк с определенной точностью, но есть - в зависимости от точности - очень дорого. В моем случае, слишком дорого.
Изменить: решение
import pandas as pa
import numpy as np
from datetime import datetime
from datetime import timedelta
time_stamps=[datetime(2013,04,11,23,00,00,100000),
datetime(2013,04,11,23,00,1,200000),
datetime(2013,04,11,23,00,1,600000),
datetime(2013,04,11,23,00,6,300000)]
values = [10, 8, 0, 4]
raw = pa.TimeSeries(index=time_stamps, data=values)
def round_down_to_second(dt):
return datetime(year=dt.year, month=dt.month, day=dt.day,
hour=dt.hour, minute=dt.minute, second=dt.second)
def round_up_to_second(dt):
return round_down_to_second(dt) + timedelta(seconds=1)
def time_weighted_average(data):
end = pa.DatetimeIndex([round_up_to_second(data.index[-1])])
return np.average(data, weights=np.diff(data.index.append(end).asi8))
start = round_down_to_second(time_stamps[0])
end = round_down_to_second(time_stamps[-1])
range = pa.date_range(start, end, freq='S')
data = raw.reindex(raw.index + range)
data = data.ffill()
data = data.resample('S', how=time_weighted_average)
Ответы
Ответ 1
Здесь вы найдете решение, возможно, вам понадобится настройка, чтобы соответствовать вашим требованиям.
Добавьте секунды к вашему индексу и заполните вперед:
tees = pd.Index(datetime(2000, 1, 1, 23, 0, n) for n in xrange(8))
df2 = df1.reindex(df1.index + tees)
df2['value'] = df2.value.ffill()
In [14]: df2
Out[14]:
value
2000-01-01 23:00:00 NaN
2000-01-01 23:00:00.100000 10
2000-01-01 23:00:01 10
2000-01-01 23:00:01.200000 8
2000-01-01 23:00:01.600000 0
2000-01-01 23:00:02 0
2000-01-01 23:00:03 0
2000-01-01 23:00:04 0
2000-01-01 23:00:05 0
2000-01-01 23:00:06 0
2000-01-01 23:00:06.300000 4
2000-01-01 23:00:07 4
Возьмите разницу во времени (используя shift) до следующего значения и умножьте (значение * секунды):
df3['difference'] = df3['index'].shift(-1) - df3['index']
df3['tot'] = df3.apply(lambda row: np.nan
if row['difference'].seconds > 2 # a not very robust check for NaT
else row['difference'].microseconds * row['value'] / 1000000,
axis=1)
In [17]: df3
Out[17]:
index value difference tot
0 2000-01-01 23:00:00 NaN 00:00:00.100000 NaN
1 2000-01-01 23:00:00.100000 10 00:00:00.900000 9.0
2 2000-01-01 23:00:01 10 00:00:00.200000 2.0
3 2000-01-01 23:00:01.200000 8 00:00:00.400000 3.2
4 2000-01-01 23:00:01.600000 0 00:00:00.400000 0.0
5 2000-01-01 23:00:02 0 00:00:01 0.0
6 2000-01-01 23:00:03 0 00:00:01 0.0
7 2000-01-01 23:00:04 0 00:00:01 0.0
8 2000-01-01 23:00:05 0 00:00:01 0.0
9 2000-01-01 23:00:06 0 00:00:00.300000 0.0
10 2000-01-01 23:00:06.300000 4 00:00:00.700000 2.8
11 2000-01-01 23:00:07 4 NaT NaN
Затем сделайте повторный выбор в секундах (суммируйте значение * секунды):
In [18]: df3.set_index('index')['tot'].resample('S', how='sum')
Out[18]:
index
2000-01-01 23:00:00 9.0
2000-01-01 23:00:01 5.2
2000-01-01 23:00:02 0.0
2000-01-01 23:00:03 0.0
2000-01-01 23:00:04 0.0
2000-01-01 23:00:05 0.0
2000-01-01 23:00:06 2.8
2000-01-01 23:00:07 NaN
Freq: S, dtype: float64
Примечание: конечная точка нуждается в некотором принуждении (сумма умна и игнорирует NaN)...
Ответ 2
Это не ответ, но мне нужен граф, чтобы определить, что такое взвешенное по времени усреднение. Вот график, который отображает ваши данные:
![enter image description here]()
Вы хотите, чтобы среднее значение каждого вертикального диапазона? Первый диапазон равен 0-1, так как он включает неизвестные данные, результатом является NaN. Второй блок равен 1-2, значение рассчитывается по: (10 * 0,2 + 8 * 0,4 + 0 * 0,4), что совпадает с вашим. Но я не знаю, как значение 5-6 cames:
23:00:06 2.8 ( 0*0.3 + 2*0.7 )
Можете ли вы объяснить, как вычислить это значение?
Ответ 3
Вы можете сделать это с помощью traces.
from datetime import datetime
import traces
ts = traces.TimeSeries(data=[
(datetime(2016, 9, 27, 23, 0, 0, 100000), 10),
(datetime(2016, 9, 27, 23, 0, 1, 200000), 8),
(datetime(2016, 9, 27, 23, 0, 1, 600000), 0),
(datetime(2016, 9, 27, 23, 0, 6, 300000), 4),
])
regularized = ts.moving_average(
start=datetime(2016, 9, 27, 23, 0, 1),
sampling_period=1,
placement='left',
)
Результат:
[(datetime(2016, 9, 27, 23, 0, 1), 5.2),
(datetime(2016, 9, 27, 23, 0, 2), 0.0),
(datetime(2016, 9, 27, 23, 0, 3), 0.0),
(datetime(2016, 9, 27, 23, 0, 4), 0.0),
(datetime(2016, 9, 27, 23, 0, 5), 0.0),
(datetime(2016, 9, 27, 23, 0, 6), 2.8)]
