- 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/
在 pandas datetimeindex 中,dayofweek和 weekday似乎是一样的。他们只是彼此的别名吗?我发现了这些功能 here 最佳答案 根据pandas源码定义的Datetim
到目前为止,我有 EdChum 提供的以下代码: In [1]: df = pd.DataFrame({'a': [None] * 6, 'b': [2, 3, 10, 3, 5, 8]}) df["
我有一个按日期时间索引的数据框。我正在尝试创建某种过滤器,它只提供包含特定时间的帧。 例如,所有包含“09:30”的帧 df.dtypes open float64 high
不规则时间序列 data存储在 pandas.DataFrame 中.一个 DatetimeIndex已经设置好了。我需要索引中连续条目之间的时间差。 我以为就这么简单 data.index.diff
如何将 DatetimeIndex 更改为像这样的简单数据框: month 0 2013-07-31 1 2013-08-31 2 2013-09-30 3 2013-10-3
我在 pandas 数据框中有多个以下格式的日期列表: col1 col2 1 [DatetimeInde
我有一个 DatetimeIndex 对象,它由两个日期组成,如下所示: import pandas as pd timestamps = pd.DatetimeIndex(['2014-1-1',
我有一个数据框,使用以下代码生成: time_index = pd.date_range(start=datetime(2013, 1, 1, 3), e
我想绘制一个 pandas 系列,其索引是不计其数的 DatatimeIndex。我的代码如下: import matplotlib.dates as mdates index = pd.Dateti
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
我已将一组 Excel 文件中的文件名中的日期提取到 DateTimeIndex 对象列表中。我现在需要将每个提取的日期写入我从每个 Excel 工作表创建的数据框的新日期列。我的代码的工作原理是将新
我想计算 DateTimeIndex 中时间之间的时间差 import pandas as pd p = pd.DatetimeIndex(['1985-11-14', '1985-11-28', '
我有一个 pandas.DatetimeIndex ,例如: pd.date_range('2012-1-1 02:03:04.000',periods=3,freq='1ms') >>> [2012
我在单独的 pandas.dataframe 中有两个时间序列,第一个 - series1与第二个条目相比,条目较少且开始数据时间不同 - series2 : index1 = pd.date_ran
我在数据框中有一个带有 DatetimeIndex 的时间序列,如下所示: import pandas as pd dates= ["2015-10-01 00:00:00", "2
当我使用pandas.date_range()时,有时我的时间戳有很多我不想保留的毫秒数。 假设我... import pandas as pd dr = pd.date_range('2011-01
我有一个带有 DateTimeIndex 的 Pandas 数据框和一个名为 WEEKEND 的空列。 如果索引中的日期时间是周末,我想将该列的值设置为“YES”,以便生成的数据帧如下所示: TIME
我有一个包含 12 个值的数据框,我想将其转换为 DatetimeIndex 类型 months = df['date'] #e.g. '2016-04-01' idx = pd.date_range
我处理一个DataFrame,其索引是字符串,年月,例如: index = ['2007-01', '2007-03', ...] 但是,索引未满。例如缺少 2007-02。我想要的是使用完整索引重新
我一直被这样的问题困扰。我有一套客流量的观察。数据存储在.xlsx文件中,结构如下:观察日期、时间、车站名称、登机、下车。 我想知道如果我只需要日期时间的“时间”组件,是否可以从此类数据创建带有 Da
我是一名优秀的程序员,十分优秀!