如何使用 Python 计算时间加权平均值？

Question

所以我有一天中不规则间隔的数据。

活动时间	价值
17-5-2021 03:00	84.9
17-5-2021 11:00	84.9
17-5-2021 15:00	84.7
17-5-2021 23:00	84.7
18-5-2021 03:00	84.5
18-5-2021 11:00	84.5
18-5-2021 15:00	84.9
18-5-2021 23:00	84.9

我想在上述数据上使用 python 计算时间加权平均值，因为 37.5%（24 小时中有 9 小时）的值仅为 83.7，而如果计算正常平均值，它将占 17-5-2021 的 50%。

假设：如果我们没有特定间隔的值，则采用最后一个可用值，例如：17-5-2021 04:00 的值为 84.9，因为这是最后一个可用值。 任何输入都会有所帮助，因为我无法找到解决此问题的正确方法。 预期输出：

计算请看图片

最后结果

活动时间	加权平均
17-5-2021	84.79166
18-5-2021	84.71666

Answer 1

适当地解析数据后，您可以使用datetime将日期/时间转换为，例如，

from datetime import datetime
datetime.strptime('17-5-2021 03:00','%d-%m-%Y %H:%M')

这将创建一个datetime对象datetime.datetime(2021, 5, 17, 3, 0) 。

然后可以在两个后续（有效）值之间计算timedelta对象，只需将两个datetime对象相减即可。 要获得该值的权重，您可以使用生成的timedelta对象的.total_seconds()方法。

例如，这两个条目17-5-2021 11:00 84.9 17-5-2021 15:00 84.7可用于计算第二个的权重为

w=(datetime.strptime(t2,'%d-%m-%Y %H:%M')-datetime.strptime(t1,'%d-%m-%Y %H:%M')).total_seconds()

当然，在哪里

t1='17-5-2021 11:00'
t2='17-5-2021 15:00'

结果是 w=14400。

假设您的数据位于元组列表中，如

b="""17-5-2021 03:00        84.9
17-5-2021 11:00     84.9
17-5-2021 15:00     84.7
17-5-2021 23:00     84.7
18-5-2021 03:00     84.5
18-5-2021 11:00     84.5
18-5-2021 15:00     84.9
18-5-2021 23:00     84.9""".split()
items=[(' '.join(b[i:i+2]),float(b[i+2])) for i in range(0,len(b),3)]

items产量

[('17-5-2021 03:00', 84.9), ('17-5-2021 11:00', 84.9), ('17-5-2021 15:00', 84.7), ('17-5-2021 23:00', 84.7), ('18-5-2021 03:00', 84.5), ('18-5-2021 11:00', 84.5), ('18-5-2021 15:00', 84.9), ('18-5-2021 23:00', 84.9)]

然后你可以总结每个人（w * val）并最终除以总持续时间，如

t1,val1=items[0]
dt1=datetime.strptime(t1,'%d-%m-%Y %H:%M')
dt0=dt1
result=0.
for item in items[1:]:
  t2,val2=item
  if val2==None: val2=val1 # if value doesn't exist, use previous
  dt2=datetime.strptime(t2,'%d-%m-%Y %H:%M')
  result+=val2*(dt2-dt1).total_seconds()
  dt1=dt2
  val1=val2

result/=(dt1-dt0).total_seconds()

如果该值不可用，我假设None 。 当然，如果第一个值不存在，这将不起作用。

我只想提一下，对于您提供的表，结果是84.73636363636363 。

Answer 2

我认为您可以使用 pandas diff 、 groupby和滚动功能来实现这一点。 您可以使用以下步骤来实现此目的：

1. 将事件时间转换为日期时间
2. 使用 diff 函数计算连续时间之间的时间差，并使用 total_seconds 将差值作为秒计算，然后除以 3600 以小时为单位进行转换。
3. 通过取值和时间差的乘积计算加权值
4. 使用滚动函数计算加权平均值。 保持窗口长度为 2。将其除以期间内的小时数总和。 这里是12小时
5. 使用 groupby 和 transform 计算加权值的每日平均值。 时间开始是 12AM
6. 通过设置日期时间索引和传递窗口为 1D 来计算滚动日平均值。

import pandas as pd

df = pd.read_csv('test.csv')
df['Event Time'] = pd.to_datetime(df['Event Time'])
df['Time Diff'] = df['Event Time'].diff(periods=1).dt.total_seconds()/3600
df['Time Diff'] = df['Time Diff'].fillna(4) 
# You dont need to do the above step in large data. Dropping would be better for large data
df['Weighted Value'] = df['Value']*df['Time Diff']
# calculate the weighted average based on number of periods
df['Weighted Average'] = df['Weighted Value'].rolling(2).sum()/12
# calculate average for each day.day starts at 12AM
df['Daily Weighted Fixed Window'] = df.groupby(df['Event Time'].dt.date)['Weighted Value'].transform('sum')/24
# calculate the weighted average for last one day (stats from current time minus 24 hours)
df.set_index('Event Time', inplace=True)
df['Daily Weighted Rolling'] = df['Weighted Value'].rolling('1D').sum()/24 

活动时间	价值	时差	加权值	加权平均	每日加权固定窗口	每日加权滚动
2021-05-17 03:00:00	84.9	4	339.6	南	84.8	14.15
2021-05-17 11:00:00	84.9	8	679.2	84.9	84.8	42.45
2021-05-17 15:00:00	84.7	4	338.8	84.8333	84.8	56.5667
2021-05-17 23:00:00	84.7	8	677.6	84.7	84.8	84.8
2021-05-18 03:00:00	84.5	4	338	84.6333	84.7	84.7333
2021-05-18 11:00:00	84.5	8	676	84.5	84.7	84.6
2021-05-18 15:00:00	84.9	4	339.6	84.6333	84.7	84.6333
2021-05-18 23:00:00	84.9	8	679.2	84.9	84.7	84.7

我已经更新了答案。 如果您还需要什么，请告诉我。