涉及编程的内容,返回翻译文本:
跨度为1小时和10分钟的时区感知时间序列,覆盖了春季夏令时更改:
ts_hrly = pd.date_range('03-10-2018', '3-13-2018', freq='H', tz='US/Eastern')
ts_10m = pd.date_range('03-10-2018', '3-13-2018', freq='10T', tz='US/Eastern')
使用小时数据
ts = ts_hrly
df = pd.DataFrame({'tstamp':ts,'period':range(len(ts))})
dst转换看起来像这样:
>>> df[18:23]
period tstamp
18 18 2018-03-11 00:00:00-05:00
19 19 2018-03-11 01:00:00-05:00
20 20 2018-03-11 03:00:00-04:00
21 21 2018-03-11 04:00:00-04:00
22 22 2018-03-11 05:00:00-04:00
>>>
为了将数据分组成每12小时一组,我将每个观测值分配到一个班次号码,然后按照班次号码进行分组。
我的数据恰好从一个班次变更开始,因此计算自那次班次变更以来的经过时间:
nanosec = df['tstamp'].values - df.iloc[0,1].value
寻找班次变更并使用 np.cumsum()
分配班次编号
shift_change = nanosec.astype(np.int64) % (3600 * 1e9 * 12) == 0
df['shift_nbr'] = shift_change.cumsum()
gb = df.groupby(df['shift_nbr'])
for k,g in gb:
print(f'{k} has {len(g)} items')
>>>
1 has 12 items
2 has 12 items
3 has 12 items
4 has 12 items
5 has 12 items
6 has 12 items
我还没有找到一种方法来补偿在班次中间开始的数据。
如果你想让受夏令时变化影响的班次组有11或13个项目,将时区感知系列更改为时区无关系列。
df2 = pd.DataFrame({'tstamp':pd.to_datetime(ts.strftime('%m-%d-%y %H:%M')),'period':range(len(ts))})
使用相同的过程来分配和按班次号分组。
nanosec = df2['tstamp'].values - df2.iloc[0,1].value
shift_change = nanosec.astype(np.int64) % (3600 * 1e9 * 12) == 0
df2['shift_nbr'] = shift_change.cumsum()
for k,g in gb2:
print(f'{k} has {len(g)} items')
>>>
1 has 12 items
2 has 11 items
3 has 12 items
4 has 12 items
5 has 12 items
6 has 12 items
7 has 1 items
不幸的是,pd.to_datetime(ts.strftime('%m-%d-%y %H:%M'))
需要一些时间。这里有一种更快、更好的方法,使用时间戳的小时属性来计算经过的小时数——无需创建单独的时区无关系列,小时属性似乎是“未知”的。它也适用于从班次中间开始的数据。
ts = pd.date_range('01-01-2018 03:00', '01-01-2019 06:00', freq='H', tz='US/Eastern')
df3 = pd.DataFrame({'tstamp':ts,'period':range(len(ts))})
shift_change = ((df3['tstamp'].dt.hour - 6) % 12) == 0
shift_nbr = shift_change.cumsum()
gb3 = df3.groupby(shift_nbr)
print(sep,'gb3')
for k,g in gb3:
if len(g) != 12:
print(f'shift starting {g.iloc[0,1]} has {len(g)} items')
>>>
shift starting 2018-01-01 03:00:00-05:00 has 3 items
shift starting 2018-03-10 18:00:00-05:00 has 11 items
shift starting 2018-11-03 18:00:00-04:00 has 13 items
shift starting 2019-01-01 06:00:00-05:00 has 1 items
00:00,01:00,03:00,...
和00:00,01:00,01:00,02:00,...
? - wwii