pandas - 使用时间索引在 pandas 数据帧上滚动积分

Question

我想用时间索引捕获数据框列的积分。这适用于每个时间间隔发生的分组。

from scipy import integrate
>>> df

Time                      A
2017-12-18 19:54:40   -50187.0
2017-12-18 19:54:45   -60890.5
2017-12-18 19:54:50   -28258.5
2017-12-18 19:54:55    -8151.0
2017-12-18 19:55:00    -9108.5
2017-12-18 19:55:05   -12047.0
2017-12-18 19:55:10   -19418.0
2017-12-18 19:55:15   -50686.0
2017-12-18 19:55:20   -57159.0
2017-12-18 19:55:25   -42847.0

>>> integral_df = df.groupby(pd.Grouper(freq='25S')).apply(integrate.trapz)

Time                       A
2017-12-18 19:54:35   -118318.00
2017-12-18 19:55:00   -115284.75
2017-12-18 19:55:25         0.00
Freq: 25S, Name: A, dtype: float64

编辑:

scipy 积分函数自动使用时间索引来计算它的结果。

这不是真的。您必须显式地将转换传递给 np datetime，以便 scipy.integrate.trapz 正确使用时间进行整合。请参阅我对这个问题的评论。

但是，我想改用滚动积分。我试过了 Using rolling functions found on SO , 但是当我尝试对集成函数进行输入时，代码变得困惑，因为这些滚动函数不返回数据帧。

如何对我的数据框列之一的函数进行随时间的滚动积分？

Answer 1

将时间设置为索引，并使用 df.rolling

df.Time = pd.to_datetime(df.Time)
df = df.set_index('Time')
df.rolling('25S').apply(integrate.trapz)

#outputs:

2017-12-18 19:54:40         0.00
2017-12-18 19:54:45    -55538.75
2017-12-18 19:54:50   -100113.25
2017-12-18 19:54:55   -118318.00
2017-12-18 19:55:00   -126947.75
2017-12-18 19:55:05    -81986.75
2017-12-18 19:55:10    -53144.75
2017-12-18 19:55:15    -69992.00
2017-12-18 19:55:20   -115284.75
2017-12-18 19:55:25   -154710.00

这是 A 和 A-rolling-integrated 的图: