Python 计算熊猫中稀疏/不规则时间序列上的EWMA

鉴于以下高频但稀疏的时间序列：

#Sparse Timeseries
dti1 = pd.date_range(start=datetime(2015,8,1,9,0,0),periods=10,freq='ms')
dti2 = pd.date_range(start=datetime(2015,8,1,9,0,10),periods=10,freq='ms')
dti = dti1 + dti2

ts = pd.Series(index=dti, data=range(20))

我可以使用熊猫函数计算半寿命为5ms的指数加权移动平均值，如下所示：

ema = pd.ewma(ts, halflife=5, freq='ms')

但是，在引擎盖下，该函数以1毫秒的间隔对我的时间序列重新采样（这是我提供的“频率”）。这导致输出中包含数千个额外的数据点

In [118]: len(ts)
Out[118]: 20
In [119]: len(ema)
Out[119]: 10010

这是不可伸缩的，因为我的real Timeseries包含数十万个相隔几分钟或几小时的高频观测

是否有一种无需重新采样就可以计算稀疏时间序列的EMA的Pandas/numpy方法？类似于此：

---

或者，我必须自己写吗？谢谢

您可以使用

reindex

将

ewma

结果与原始序列对齐

pd.ewma(ts, halflife=5, freq='ms').reindex(ts.index)

2015-08-01 09:00:00.000     0.0000
2015-08-01 09:00:00.001     0.5346
2015-08-01 09:00:00.002     1.0921
2015-08-01 09:00:00.003     1.6724
2015-08-01 09:00:00.004     2.2750
2015-08-01 09:00:00.005     2.8996
2015-08-01 09:00:00.006     3.5458
2015-08-01 09:00:00.007     4.2131
2015-08-01 09:00:00.008     4.9008
2015-08-01 09:00:00.009     5.6083
2015-08-01 09:00:10.000    10.0000
2015-08-01 09:00:10.001    10.5346
2015-08-01 09:00:10.002    11.0921
2015-08-01 09:00:10.003    11.6724
2015-08-01 09:00:10.004    12.2750
2015-08-01 09:00:10.005    12.8996
2015-08-01 09:00:10.006    13.5458
2015-08-01 09:00:10.007    14.2131
2015-08-01 09:00:10.008    14.9008
2015-08-01 09:00:10.009    15.6083
dtype: float64

---

谢谢你的建议。是的，我知道这是可能的，但是，这并不能解决可伸缩性问题，因为pd.ewma（）仍在后台重新采样。例如，想象一下使用1gb的输入数据进行此操作-当对其进行重新采样时，它可能会增长到数百gb或更多。根据链接，公式只需几行。如果我是你的话，我会把它编出来——可能是一个numba函数，因为它看起来不容易矢量化。虽然如果你能用cumsum/cumprod写下这个公式，它会相当快吗？我不知道，在numba应该很简单，否则我想cython也是一个不错的选择。