[英]change frequency in time series
我有一個布爾變量的數據框,由時間戳確定。 時間戳是不規則的,我希望填補空白。 我知道所需的頻率是3ms。
到目前為止,我可以執行以下操作:
df = pd.read_csv(path, sep= ';')
df['timestamp'] = pd.to_datetime(df ['timestamp'], errors='raise',infer_datetime_format = True)
df = df.sort(['timestamp'])
df = df.set_index('timestamp')
df.reindex(pd.period_range(df.index[0], df.index[-1], freq='ms'))
df = df.fillna(method = 'ffill')
因此,我使用ms間隔重新索引並填充缺失值(這正是我的情況:所有變量均為布爾值,因此在每時每刻,當前狀態都是數據中的最后一個出現)。
如何每3毫秒重新采樣一次?
編輯:似乎DataFrame.resample也可以用於上采樣。 關於如何在我的情況下使用它的任何建議? 我似乎不明白它是如何工作的。
使用DataFrame.asfreq
:
df = pd.DataFrame({
'timestamp': pd.to_datetime(['2015-02-01 15:14:11.30',
'2015-02-01 15:14:11.36',
'2015-02-01 15:14:11.39']),
'B': [7,10,3]
})
print (df)
timestamp B
0 2015-02-01 15:14:11.300 7
1 2015-02-01 15:14:11.360 10
2 2015-02-01 15:14:11.390 3
df = df.set_index('timestamp').asfreq('3ms', method='ffill')
print (df)
B
timestamp
2015-02-01 15:14:11.300 7
2015-02-01 15:14:11.303 7
2015-02-01 15:14:11.306 7
2015-02-01 15:14:11.309 7
2015-02-01 15:14:11.312 7
2015-02-01 15:14:11.315 7
2015-02-01 15:14:11.318 7
2015-02-01 15:14:11.321 7
2015-02-01 15:14:11.324 7
2015-02-01 15:14:11.327 7
2015-02-01 15:14:11.330 7
2015-02-01 15:14:11.333 7
2015-02-01 15:14:11.336 7
2015-02-01 15:14:11.339 7
2015-02-01 15:14:11.342 7
2015-02-01 15:14:11.345 7
2015-02-01 15:14:11.348 7
2015-02-01 15:14:11.351 7
2015-02-01 15:14:11.354 7
2015-02-01 15:14:11.357 7
2015-02-01 15:14:11.360 10
2015-02-01 15:14:11.363 10
2015-02-01 15:14:11.366 10
2015-02-01 15:14:11.369 10
2015-02-01 15:14:11.372 10
2015-02-01 15:14:11.375 10
2015-02-01 15:14:11.378 10
2015-02-01 15:14:11.381 10
2015-02-01 15:14:11.384 10
2015-02-01 15:14:11.387 10
2015-02-01 15:14:11.390 3
如果您的時間戳記在索引中:
df = df.resample('3ms').ffill()
編輯:
績效基准
import time
import pandas as pd
dd = {'dt': ['2018-01-01 00:00:00', '2018-01-01 01:12:59'], 'v':[1,1]}
df = pd.DataFrame(data=dd)
df['dt'] = pd.to_datetime(df['dt'])
df = df.set_index('dt')
start = time.time()
df = df.resample('3ms').ffill()
print(time.time() - start)
df = pd.DataFrame(data=dd)
df['dt'] = pd.to_datetime(df['dt'])
df = df.set_index('dt')
start = time.time()
df = df.asfreq('3ms', method='ffill')
print(time.time() - start)
print(df.shape)
結果:
0.03699994087219238
0.029999732971191406
(1459667, 1)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.