- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
Pandas 在系列/数据帧上有一个 resample
方法,但似乎没有办法单独对 DatetimeIndex
进行重采样?
具体来说,我有一个每日 Datetimeindex
,其中可能缺少日期,我想以每小时的频率对其重新采样,但只包括原始每日索引中的天数。
有没有比我下面的尝试更好的方法?
In [56]: daily_index = pd.period_range('01-Jan-2017', '31-Jan-2017', freq='B').asfreq('D')
In [57]: daily_index
Out[57]:
PeriodIndex(['2017-01-02', '2017-01-03', '2017-01-04', '2017-01-05',
'2017-01-06', '2017-01-09', '2017-01-10', '2017-01-11',
'2017-01-12', '2017-01-13', '2017-01-16', '2017-01-17',
'2017-01-18', '2017-01-19', '2017-01-20', '2017-01-23',
'2017-01-24', '2017-01-25', '2017-01-26', '2017-01-27',
'2017-01-30', '2017-01-31'],
dtype='int64', freq='D')
In [58]: daily_index.shape
Out[58]: (22,)
In [59]: hourly_index = pd.DatetimeIndex([]).union_many(
...: pd.date_range(day.to_timestamp('H','S'), day.to_timestamp('H','E'), freq='H')
...: for day in daily_index
...: )
In [60]: hourly_index
Out[60]:
DatetimeIndex(['2017-01-02 00:00:00', '2017-01-02 01:00:00',
'2017-01-02 02:00:00', '2017-01-02 03:00:00',
'2017-01-02 04:00:00', '2017-01-02 05:00:00',
'2017-01-02 06:00:00', '2017-01-02 07:00:00',
'2017-01-02 08:00:00', '2017-01-02 09:00:00',
...
'2017-01-31 14:00:00', '2017-01-31 15:00:00',
'2017-01-31 16:00:00', '2017-01-31 17:00:00',
'2017-01-31 18:00:00', '2017-01-31 19:00:00',
'2017-01-31 20:00:00', '2017-01-31 21:00:00',
'2017-01-31 22:00:00', '2017-01-31 23:00:00'],
dtype='datetime64[ns]', length=528, freq=None)
In [61]: 22*24
Out[61]: 528
In [62]: %%timeit
...: hourly_index = pd.DatetimeIndex([]).union_many(
...: pd.date_range(day.to_timestamp('H','S'), day.to_timestamp('H','E'), freq='H')
...: for day in daily_index
...: )
100 loops, best of 3: 13.7 ms per loop
更新:
我对@NTAWolf 的答案进行了细微改动,它具有相似的性能,但不会对输入日期重新排序以防它们未排序
def resample_index(index, freq):
"""Resamples each day in the daily `index` to the specified `freq`.
Parameters
----------
index : pd.DatetimeIndex
The daily-frequency index to resample
freq : str
A pandas frequency string which should be higher than daily
Returns
-------
pd.DatetimeIndex
The resampled index
"""
assert isinstance(index, pd.DatetimeIndex)
start_date = index.min()
end_date = index.max() + pd.DateOffset(days=1)
resampled_index = pd.date_range(start_date, end_date, freq=freq)[:-1]
series = pd.Series(resampled_index, resampled_index.floor('D'))
return pd.DatetimeIndex(series.loc[index].values)
In [184]: %%timeit
...: hourly_index3 = pd.date_range(daily_index.start_time.min(),
...: daily_index.end_time.max() + 1,
...: normalize=True, freq='H')
...: hourly_index3 = hourly_index3[hourly_index3.floor('D').isin(daily_index.start_time)]
100 loops, best of 3: 2.97 ms per loop
In [185]: %timeit resample_index(daily_index.to_timestamp('D','S'), freq='H')
100 loops, best of 3: 2.93 ms per loop
最佳答案
| Method | Time | Relative ||---------------------------------|---------|----------|| OP's updated approach | 1.31 ms | 17.6 % || Generate daterange, np.in1d | 1.75 ms | 23.5 % || Generate daterange, Series.isin | 1.90 ms | 25.5 % || Resample with dummy Series | 4.37 ms | 58.7 % || OP's initial approach | 7.45 ms | 100.0 % |
np.in1d
Again, @IanS inspired more optimisation! This is a little less readable, but a bit faster:
%%timeit -r 10
hourly_index4 = pd.date_range(daily_index.start_time.min(),
daily_index.end_time.max() + pd.DateOffset(days=1),
normalize=True, freq='H')
overlap = np.in1d(np.array(hourly_index4.values, dtype='datetime64[D]'),
np.array(daily_index.start_time.values, dtype='datetime64[D]'))
hourly_index4 = hourly_index4[overlap]
1000 loops, best of 10: 1.75 ms per loop
在这里,通过将两个系列的值转换为相同的 numpy 日期时间类型(在此过程中降低 hourly_index
)来获得加速。将 .values
传递给 numpy 会稍微加快速度。
Series.isin
比初始出价更快的方法,受@IanS 方法的启发:每小时为数据中的完整日期范围生成日期范围,并仅选择与数据中现有日期匹配的条目:
%%timeit
hourly_index3 = pd.date_range(daily_index.start_time.min(),
# The following line should use
# +pd.DateOffset(days=1) in place of +1
# but is left as is to show the option.
daily_index.end_time.max() + 1,
normalize=True, freq='H')
hourly_index3 = hourly_index3[hourly_index3.floor('D').isin(daily_index.start_time)]
100 loops, best of 3: 1.9 ms per loop
这减少了大约 75% 的处理时间。
使用虚拟系列,可以避免循环。在我的电脑上,它减少了大约 40% 的运行时间。
我为您的方法安排了以下时间:
In [14]: %%timeit -o -r 10
....: hourly_index = pd.DatetimeIndex([]).union_many(
....: pd.date_range(day.to_timestamp('H','S'), day.to_timestamp('H','E'), freq='H')
....: for day in daily_index
....: )
....:
100 loops, best of 10: 7.45 ms per loop
为了更快的方法:
In [13]: %%timeit -o -r 10
s = pd.Series(0, index=daily_index)
s = s.resample('H').last()
s = s[s.index.start_time.floor('D').isin(daily_index.start_time)]
hourly_index2 = s.index.start_time
....:
100 loops, best of 10: 4.37 ms per loop
请注意,我们并不真正关心系列中的值(value);这里我只是默认为 int
。
表达式 s.index.start_time.floor('D').isin(daily_index.start_time)
为我们提供了一个 bool 向量,其值在 s.index
中匹配 daily_index
中的日期。
关于python - 如何有效地重新采样 DatetimeIndex,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37853623/
这个问题在这里已经有了答案: How does Scala's apply() method magic work? (3 个回答) 9年前关闭。 假设我在 scala 中有一个 MyList 类,其
这个问题在这里已经有了答案: What is a non-capturing group in regular expressions? (18 个回答) Reference - What does
这个问题是针对嵌入式系统的! 我有以下选项来初始化一个对象: Object* o = new Object(arg); 这会将对象放入堆中并返回指向它的指针。我不喜欢在嵌入式软件中使用动态分配。 Ob
我自己搜索过,没能成功的正则表达式。 我有一个 html 文件,其中包含 [] 之间的变量我想把每一个字都写进去。 [client_name][client_company] [cl
我是 Python 新手。我不明白为什么这段代码不起作用: reOptions = re.search( "[\s+@twitter\s+(?P\w+):(?P.*?)\s+]", d
在过去 7 个月左右的时间里,我几乎一直在使用 .NET C# 进行编程。在那之前,我的大部分编程都是用 C++(从学校里学的)。在工作中,我可能需要在接下来的几个月里做一大堆 C 语言。我对 C 的
我是 RE 的新手,我正在尝试获取歌词并分离出歌词标题、和声和主唱: 下面是一些歌词的例子: [Intro] D.A. got that dope! [Chorus: Travis Scott] Ic
这可能是不可能的,但我想检查是否可以用一种简单的方式表达这样的事情: // obviously doesn't work class Foo : IFoo where T: Bar {
我们的应用程序中有“user”和“study”实体,存储在它们各自的表中。一项研究代表一种研究和已收集的数据。它们是多对多的关系,所以我们需要一个链接表:studies_users。 我们为用户分配角
将测试条件添加到 Visual Studio 2010 数据库单元测试(对于 SQL Server 2008)时,这些条件称为例如rowCountCondition1、rowCountConditio
在模拟器上,我可以从设置中卸载 SD 卡。 然后我可以将它安装到我的操作系统上,然后正常卸载它。 我一直无法弄清楚如何在模拟器上重新安装它(无需重新启动)。 提示: adb 命令 remount 是无
假设在一个分支上执行了一系列提交,但该分支尚未与主干重新同步。是否可以从提交中生成全局补丁?是否可以从一系列提交中生成“分组”补丁?如果是,如何? 最佳答案 svn diff -rXXX:YYY UR
在某些情况下,我想在我的应用程序中锁定调整大小功能,为此我尝试对属性进行数据绑定(bind),并且不允许在某些情况下更改它,但没有成功。 有没有办法这样做? 这是我不成功的尝试: XAML: Vie
当我的计算机连接多个显示器时,我可以检测它们,并根据从获取的值设置位置来向它们绘制图形 get(0, 'MonitorPositions') 但是,当我在 MATLAB 运行时断开监视器时,此属性不会
我们有一个grails应用程序,该应用程序在grails数据库中存储了各种域对象。该应用程序连接到第二个数据库,运行一些原始sql,并在表中显示结果。它基本上是一个报告服务器。 我们通过在DataSo
无法比较来自不同容器的迭代器(参见这里的示例: https://stackoverflow.com/a/4664519/225186 )(或者从技术上讲,它不需要有意义。) 这就提出了另一个问题,来自
我有以下情况: 家长 Activity : ParentActivityClass { private Intent intent; @Override public void onCreate(Bu
我经常将元素与附加功能 Hook ,例如: $('.myfav').autocomplete(); $('.myfav').datepicker(); $('.myfav').click(somefu
因此,我将 tooltipster.js 库用于工具提示,并尝试更改工具提示在不同屏幕尺寸上的默认距离。 所以这是默认的 init 的样子: $(inputTooltipTrigger).tool
我在 ARM7 嵌入式环境中工作。我使用的编译器不支持完整的 C++ 功能。它不支持的一项功能是动态类型转换。 有没有办法实现dynamic_cast<>() ? 我使用 Google 寻找代码,但到
我是一名优秀的程序员,十分优秀!