python - 如果间隔出现在多个容器中，如何将时间范围/间隔分成容器

Question

我有一个数据集，其中包含记录时间段内发生的事件的成对开始结束时间(例如秒)。例如:

#each tuple includes (start, stop) of the event happening
data = [(0, 1), (5,8), (14,21), (29,30)]

我想量化这件事在我想要的任何大小的垃圾箱中发生的时间百分比。例如，如果我想要每个 5 秒的 bin，我想要一个函数:

• 将所有交叉的元组拆分到多个容器中
• 将事件发生的总时间相加，然后除以 bin 大小，以获得每个 bin 期间事件发生的时间

我主要在第一点上遇到困难。

理想情况下，它看起来像这样，其中 bin_times 是我需要帮助编写的函数，输出是函数将返回的内容:

data = [(0, 1), (5,8), (15,21), (29,30)]
bin_times(data, bin_size=5, total_length=40)

>> [20, 60, 0, 100, 20, 20, 0, 0]

Answer 1

如果您不介意使用numpy，这里有一个策略:

import numpy as np

def bin_times(data, bin_size, total_length):
    times = np.zeros(total_length, dtype=np.bool)
    for start, stop in data:
        times[start:stop] = True
    binned = 100 * np.average(times.reshape(-1, bin_size), axis=1)
    return binned.tolist()

data = [(0, 1), (5,8), (15,21), (29,30)]
bin_times(data, 5, 40)
// => [20.0, 60.0, 0.0, 100.0, 20.0, 20.0, 0.0, 0.0]

为了解释bin_times()的逻辑，让我使用一个更小的例子:

data = [(0, 1), (3, 8)]
bin_times(data, 3, 9)
// => [33.3, 100.0, 66.6]

1. times 数组对您的事件是否在每个单位时间间隔内发生进行编码。首先将每个条目设置为 False:

   [False, False, False, False, False, False, False, False, False]
   

2. 读取传入的数据并将相应的条目设置为True:

   [True, False, False, True, True, True, True, True, False]
   

3. 将其 reshape 为二维矩阵，其中行的长度为bin_size:

   [[True, False, False],
    [True,  True,  True],
    [True,  True, False]]
   

4. 取每行的平均值:

   [0.333, 1.000, 0.666]
   

5. 乘以 100 将这些数字转换为百分比:

   [33.3, 100.0, 66.6]
   

6. 要向函数使用者隐藏 numpy 的使用，请使用 .tolist() 方法来转换生成的 numpy code> 数组转换为普通 Python 列表。

需要注意的是:bin_size 需要均匀划分 total_length — 否则， reshape 将引发 ValueError。