Pandas时间序列比较

Question

我希望获得两个时间序列重叠部分的平均差异。然而，它们的范围和间隔都不同。如何解决这两个问题？

示例数据：

Series 1:
2014-08-05 05:03:00    25.194      
2014-08-05 05:08:00    25.196      
2014-08-05 05:13:00    25.197      
2014-08-05 05:18:00    25.199      
2014-08-05 05:23:00    25.192      

Series 2:
2014-08-05 05:12:00    25.000000
2014-08-05 05:13:00    25.000000
2014-08-05 05:14:00    25.000000

- mikael

---

你能提供一些示例数据来说明问题吗？ - joris

这个例子的期望输出是什么？ - joris

系列之间的平均差异。 - mikael

那是什么？索引不同，所以差异在哪里？它们应该如何对齐？最好您展示一下期望的输出。 - joris

如何使用插值方法将一个序列重新采样为另一个序列的索引？ - mikael

什么样的插值？向前填充，基于时间索引的线性插值，还是其他的？（参见http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.fillna.html和http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.interpolate.html）。再次强调，如果您展示所需的输出，将更容易理解。 - joris

Answer 1

这符合您的要求吗？

首先，您可以使用align对两个序列进行对齐（使它们具有相同的索引）。还可以使用reindex将其中一个序列重新索引为另一个序列的索引：

In [85]: s1, s2 = s1.align(s2)

In [86]: s1
Out[86]: 
2014-08-05 05:03:00    25.194
2014-08-05 05:08:00    25.196
2014-08-05 05:12:00       NaN
2014-08-05 05:13:00    25.197
2014-08-05 05:14:00       NaN
2014-08-05 05:18:00    25.199
2014-08-05 05:23:00    25.192
dtype: float64

In [87]: s2
Out[87]: 
2014-08-05 05:03:00   NaN
2014-08-05 05:08:00   NaN
2014-08-05 05:12:00    25
2014-08-05 05:13:00    25
2014-08-05 05:14:00    25
2014-08-05 05:18:00   NaN
2014-08-05 05:23:00   NaN
dtype: float64

然后您可以插值缺失的值（例如，基于时间索引使用线性插值）：

In [88]: s1.interpolate(method='time')
Out[88]: 
2014-08-05 05:03:00    25.1940
2014-08-05 05:08:00    25.1960
2014-08-05 05:12:00    25.1968
2014-08-05 05:13:00    25.1970
2014-08-05 05:14:00    25.1974
2014-08-05 05:18:00    25.1990
2014-08-05 05:23:00    25.1920
dtype: float64

然后只需将两个系列相减即可得到差异：

In [91]: s = s1.interpolate(method='time') - s2.interpolate(method='time')

In [92]: s
Out[92]: 
2014-08-05 05:03:00       NaN
2014-08-05 05:08:00       NaN
2014-08-05 05:12:00    0.1968
2014-08-05 05:13:00    0.1970
2014-08-05 05:14:00    0.1974
2014-08-05 05:18:00    0.1990
2014-08-05 05:23:00    0.1920
dtype: float64

In [93]: s.mean()
Out[93]: 0.19643999999999906

- joris