Python pandas 时间序列插值和正则化

Question

我是第一次使用 Python Pandas。我有 5 分钟的 csv 格式滞后流量数据:

...
2015-01-04 08:29:05,271238
2015-01-04 08:34:05,329285
2015-01-04 08:39:05,-1
2015-01-04 08:44:05,260260
2015-01-04 08:49:05,263711
...

有几个问题:

• 对于某些时间戳，缺少数据 (-1)
• 缺少条目(也是连续 2/3 小时)
• 观察的频率不是正好 5 分钟，但实际上偶尔会损失几秒

我想获得一个规则的时间序列，因此每(恰好)5 分钟输入一次(并且没有遗漏值)。我已经成功地使用以下代码对时间序列进行了插值，以使用此代码近似于 -1 值:

ts = pd.TimeSeries(values, index=timestamps)
ts.interpolate(method='cubic', downcast='infer')

如何对观察的频率进行插值和正则化？谢谢大家的帮助。

Answer 1

将 -1 更改为 NaN:

ts[ts==-1] = np.nan

然后以 5 分钟的频率对数据重新采样。

ts = ts.resample('5T')

请注意，默认情况下，如果两次测量落在同一 5 分钟内，resample 会将这些值一起取平均值。

最后，您可以根据时间对时间序列进行线性插值:

ts = ts.interpolate(method='time')

---

由于看起来您的数据已经有大约 5 分钟的频率，您可能需要以较短的频率重新采样，以便三次或样条插值可以平滑曲线:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

values = [271238, 329285, -1, 260260, 263711]
timestamps = pd.to_datetime(['2015-01-04 08:29:05',
                             '2015-01-04 08:34:05',
                             '2015-01-04 08:39:05',
                             '2015-01-04 08:44:05',
                             '2015-01-04 08:49:05'])

ts = pd.Series(values, index=timestamps)
ts[ts==-1] = np.nan
ts = ts.resample('T').mean()

ts.interpolate(method='spline', order=3).plot()
ts.interpolate(method='time').plot()
lines, labels = plt.gca().get_legend_handles_labels()
labels = ['spline', 'time']
plt.legend(lines, labels, loc='best')
plt.show()