Pandas 与条件相关的时间序列
我需要在条件发生前60分钟对时间序列进行切片,例如,在列“信号”==1中的数字之前60秒 现在,我在整个数据帧上使用.tail(60),直到达到所需的索引,但这是非常低效的Pandas 与条件相关的时间序列,pandas,datetime,slice,Pandas,Datetime,Slice,我需要在条件发生前60分钟对时间序列进行切片,例如,在列“信号”==1中的数字之前60秒 现在,我在整个数据帧上使用.tail(60),直到达到所需的索引,但这是非常低效的 def create_sequences(signal, label, data): """Function to return seqs of 60 secs prior to condition""" sequences = [] for i in signal: sequen
def create_sequences(signal, label, data):
"""Function to return seqs of 60 secs prior to condition"""
sequences = []
for i in signal:
sequence = data.loc[:i].tail(60)
if len(sequence) == 60:
sequences.append((np.array(sequence.drop('Signal',
axis=1)).transpose(), label))
return sequences
# To generate some data for reproduction
periods = 7 * 24 * 60
tidx = pd.date_range('2019-09-01', periods=periods, freq='T')
ts = pd.DataFrame(data=data, index=tidx)
ts['Signal'] = ts[0].apply(lambda x: 1 if x > 0 else 0)
ones = ts[ts.Signal == 1].index.values
x = create_sequences(ones, 1, ts)
我稍微修改了数据生成脚本
periods = 7 * 24 * 60
tidx = pandas.date_range('2019-09-01', periods=periods, freq='T')
ts = pandas.DataFrame(index=tidx)
ts['Signal'] = 0
并在第1000行(超过10080行)中引入了“1”
首先,快速检查时间戳索引是否已排序
In[1]: ts.index.is_monotonic_increasing
Out[1]: True
导入tqdm
以测量性能
from tqdm import tqdm
两个选项,由于时间序列的分辨率为1分钟,因此此处的结果相同,但您可以使用其中一个选项,具体取决于预期的结果
1.如果希望生成的切片像滑动窗口一样重叠,可以使用.iterrows()
2.如果希望生成的切片是连续的且不重叠
D = pandas.Timedelta('00:00:60')
sequences = []
nmax = numpy.trunc((ts.index.max() - ts.index.min()) / D)
for n in range(0, int(nmax)):
if ts.loc[ts.index.min() + (n * D):ts.index.min() + (1 + n) * D, 'Signal'].sum() > 0:
break
sequences.append(ts.loc[ts.index.min() + (n * D):ts.index.min() + (1 + n) * D])
两次执行都低于1秒,但如果您想获得更快的性能,可以检查
.itertuples()
(参考)。这是可行的,但对于大型数据集来说有点慢
sequences = []
for timestamp, row in ts.iterrows():
data = ts.loc[timestamp:timestamp + pd.Timedelta(seconds=60),:]
label = ts.Signal.loc[timestamp + pd.Timedelta(seconds=60)]
sequences.append((ts.drop('Signal', axis=1).values, label))
@Rob你有机会复习一下答案吗?嗨,很抱歉回答晚了。我决定对此有点不同,但使用了大量您的答案1无需担心,很高兴知道这有点帮助!
D = pandas.Timedelta('00:00:60')
sequences = []
nmax = numpy.trunc((ts.index.max() - ts.index.min()) / D)
for n in range(0, int(nmax)):
if ts.loc[ts.index.min() + (n * D):ts.index.min() + (1 + n) * D, 'Signal'].sum() > 0:
break
sequences.append(ts.loc[ts.index.min() + (n * D):ts.index.min() + (1 + n) * D])
sequences = []
for timestamp, row in ts.iterrows():
data = ts.loc[timestamp:timestamp + pd.Timedelta(seconds=60),:]
label = ts.Signal.loc[timestamp + pd.Timedelta(seconds=60)]
sequences.append((ts.drop('Signal', axis=1).values, label))