我有一个大型的时间序列数据集,每隔30分钟进行一次采样,并尝试在这个数据集上进行滑动窗口,但是要针对每天的每个时间点分别进行操作,使用pandas库实现。
我不是统计学家,也不擅长思考或编写此类工作的代码,但这是我想要做的笨拙尝试。我真的希望得到帮助改进它,因为我知道有更好的方法来完成这个任务,可能需要使用MultiIndexes和一些适当的迭代?但我在“时间轴”上遇到了困难。
我不是统计学家,也不擅长思考或编写此类工作的代码,但这是我想要做的笨拙尝试。我真的希望得到帮助改进它,因为我知道有更好的方法来完成这个任务,可能需要使用MultiIndexes和一些适当的迭代?但我在“时间轴”上遇到了困难。
def sliding_window(run,data,type='mean'):
data = data.asfreq('30T')
for x in date_range(run.START, run.END, freq='1d'):
if int(datetime.strftime(x, "%w")) == 0 or int(datetime.strftime(x, "%w")) == 6:
points = data.select(weekends).truncate(x - relativedelta(days=run.WINDOW),x + relativedelta(days=run.WINDOW)).groupby(lambda date: minutes(date, x)).mean()
else:
points = data.select(weekdays).truncate(x - relativedelta(days=run.WINDOW),x + relativedelta(days=run.WINDOW)).groupby(lambda date: minutes(date, x)).mean()
for point in points.index:
data[datetime(x.year,x.month,x.day,point.hour,point.minute)] = points[point]
return data
run.START、run.END 和 run.WINDOW 是数据中的两个点,时间跨度为 45 天。我已经反复查看了这段代码,不确定其中哪些部分对其他人来说有意义,请尽管问我以便我能澄清任何问题。
解决方案:(解决方案由 crewbum 提供)
修改后的函数在预期内运行得非常快速:
def sliding_window(run,data,am='mean',days='weekdays'):
data = data.asfreq('30T')
data = DataFrame({'Day': [d.date() for d in data.index], 'Time': [d.time() for d in data.index], 'Weekend': [weekday_string(d) for d in data.index], 'data': data})
pivot = data.pivot_table(values='data', rows='Day', cols=['Weekend', 'Time'])
pivot = pivot[days]
if am == 'median':
mean = rolling_median(pivot, run.WINDOW*2, min_periods=1)
mean = rolling_mean(pivot, run.WINDOW*2, min_periods=1)
return DataFrame({'mean': unpivot(mean), 'amax': np.tile(pivot.max().values, pivot.shape[0]), 'amin': np.tile(pivot.min().values, pivot.shape[0])}, index=data.index)
非逆波函数:
def unpivot(frame):
N, K = frame.shape
return Series(frame.values.ravel('C'), index=[datetime.combine(d[0], d[1]) for d in zip(np.asarray(frame.index).repeat(K), np.tile(np.asarray(frame.ix[0].index), N))])
目前,sliding_mean 中的 center=True 功能好像有些问题,如果我有机会的话,我将在 Github 上提交此问题。