python - 如何使用 Pandas 数据框确定数据捕获？

Question

我正在处理由不完整时间序列组成的每小时监控数据，即一年(或几年)中的几个小时将不在我的数据框中。

我想确定数据捕获，即一个月、一个季节或一年中出现的值的百分比。

这适用于以下代码(用于为每月重采样编写的演示)- 但是这段代码似乎效率低下，因为我需要创建第二个每小时数据帧并且我需要对两个数据帧进行重采样。

有没有更优雅的解决方案？

import numpy as np
import pandas as pd

# create dummy series
t1 = pd.date_range(start="1997-01-01 05:00", end="1997-04-25 17:00", freq="H")
t2 = pd.date_range(start="1997-06-11 15:00", end="1997-06-15 12:00", freq="H")
t3 = pd.date_range(start="1997-06-18 00:00", end="1997-08-22 23:00", freq="H")

df1 = pd.DataFrame(np.random.randn(len(t1)), index=t1)
df2 = pd.DataFrame(np.random.randn(len(t2)), index=t2)
df3 = pd.DataFrame(np.random.randn(len(t3)), index=t3)

df = pd.concat((df1, df2, df3))

# create time index with complete hourly coverage over entire years
tstart = "%i-01-01 00:00"%(df.index.year[0])
tend = "%i-12-31 23:00"%(df.index.year[-1])
tref = pd.date_range(start=tstart, end=tend, freq="H")
dfref = pd.DataFrame(np.zeros(len(tref)), index=tref)

# count number of values in reference dataframe and actual dataframe
# Example: monthly resampling
cntref = dfref.resample("MS", "count")
cnt = df.resample("MS", "count").reindex(cntref.index).fillna(0)

for i in range(len(cnt.index)):
    print cnt.index[i], cnt.values[i], cntref.values[i], cnt.values[i] / cntref.values[i]

Answer 1

pandas' Timedelta 可以解决这个问题:

# Time delta between rows of the df
df['index'] = df.index
pindex = df['index'].shift(1)
delta = df['index'] - pindex

# Any delta > 1H means a missing data period
missing_delta = delta[delta > pd.Timedelta('1H')]

# Sum of missing data periods divided by total period
ratio_missing = missing_delta.sum() / (df.index[-1] - df.index[0])