[英]time series automate labeling based on value per day
我想使用點參考數據並將其轉換為可按時間序列分析的類型。 我的數據有 start_date 和 end_date,我用它們來計算事件的持續時間(如果 start 和 end_date 在同一天,則返回 1。持續時間值范圍在 0 到 326 之間)。
此外,我還有另一個 pd dataframe,它是一系列扁平化的圖像,大小為 x*y,其中包括(除其他外)三列:時間、lon(x)、lat(y)。
現在,我想 append 到后一個數據集一個真正的 boolean 如果日期在里面(start_date + duration)。 否則,返回 False。
下面我從所需的 output 創建了一些示例數據,以可視化我想要實現的目標。 有人知道如何解決這個問題嗎?
接下來,我想為該持續時間內的行添加真正的標簽。 請參閱我的數據示例以及所需的 output。 有人知道我應該如何解決這個問題嗎?
pd.DataFrame({'lat':[50,60],
'long':[-120,-110],
'time':[np.datetime64('2020-01-01'),np.datetime64('2020-05-06')],
'end_time':[np.datetime64('2020-01-04'),np.datetime64('2020-05-06')],
'duration':[4,1]})
lat lon time end_time duration
0 50 -120 2020-01-01 2020-01-04 4
x 60 -110 2020-05-06 2020-05-06 1
所需的 output 如下所示:
lat lon time label
0 50 -120 2020-01-01 True
1 50 -120 2020-01-02 True
2 50 -120 2020-01-03 True
3 50 -120 2020-01-04 True
4 50 -120 2020-01-05 False
...
x-1 60 -110 2020-05-05 False
x 60 -110 2020-05-06 True
x+1 60 -110 2020-05-07 False
編輯:下面是我的數據結構的示例:
df = pd.DataFrame({'time': [np.datetime64('2002-05-18'),np.datetime64('2002-05-18'),np.datetime64('2002-05-18'),np.datetime64('2002-05-18'),np.datetime64('2002-05-18')],
'lon': [-116.125, -115.875, -115.625, -115.375, -115.125],
'lat': [55.125, 55.125, 55.125, 55.125, 55.125],
'out_date': [np.datetime64('2002-05-19'), None, None, None, None],
'duration_days': [2, None, None, None, None],
'Fire': [True, None, None, None, None],
'size_ha': [0.1, None, None, None, None],
'fire_count': [1, None, None, None, None]})
time lon lat out_date duration_days Fire size_ha fire_count
0 2002-05-18 -116.125 55.125 2002-05-19 2.0 True 0.1 1.0
1 2002-05-18 -115.875 55.125 NaT NaN None NaN NaN
2 2002-05-18 -115.625 55.125 NaT NaN None NaN NaN
3 2002-05-18 -115.375 55.125 NaT NaN None NaN NaN
4 2002-05-18 -115.125 55.125 NaT NaN None NaN NaN
每天有 42x46 的lon, lat
組合,在去第二天之前通過。 在新添加的表格中,您會看到森林火災發生在'time': 2002-05-18
,坐標 x 和 y 的持續時間為 2。我想知道,如果我現在將 go 1932 (42x46) 行降至'time': 2002-05-19
看到 'fire' 列(這是一個標簽)更新為True
。 假設我們按 lon 和 lat 分組,數據將查看“所需輸出”示例 dataframe 中的數據。
首先將兩列轉換為日期時間並將一天添加到end_date
,然后通過Index.repeat
重復索引並減去天數並通過GroupBy.cumcount
和to_timedelta
添加計數器值:
df['time'] = pd.to_datetime(df['time'])
df['end_time'] = pd.to_datetime(df['end_time']) + pd.Timedelta(1, unit='d')
s = df.pop('end_time').sub(df['time']).dt.days
df = df.loc[df.index.repeat(s)].copy()
counter = df.groupby(level=0).cumcount()
df['time'] = df['time'].add(pd.to_timedelta(counter, unit='d'))
df = df.reset_index(drop=True)
print (df)
lat long time duration
0 50 -120 2020-01-01 4
1 50 -120 2020-01-02 4
2 50 -120 2020-01-03 4
3 50 -120 2020-01-04 4
4 60 -110 2020-05-06 1
然后由另一個DataFrame
與左連接和indicator
參數合並,最后由both
進行比較:
df1 = pd.DataFrame({'time': [np.datetime64('2020-01-03'),np.datetime64('2002-05-18'),
np.datetime64('2002-05-18'),np.datetime64('2002-05-18'),
np.datetime64('2002-05-18')],
'lon': [-120, -115.875, -115.625, -115.375, -115.125],
'lat': [50, 55.125, 55.125, 55.125, 55.125],
'out_date': [np.datetime64('2002-05-19'), None, None, None, None],
'duration_days': [2, None, None, None, None],
'Fire': [True, None, None, None, None],
'size_ha': [0.1, None, None, None, None],
'fire_count': [1, None, None, None, None]})
df = (df1.rename(columns={'lon':'long'})
.merge(df,
on=['lat','long','time'],
indicator='label',
how='left'))
df['label'] = df['label'].eq('both')
print (df)
time long lat out_date duration_days Fire size_ha \
0 2020-01-03 -120.000 50.000 2002-05-19 2.0 True 0.1
1 2002-05-18 -115.875 55.125 NaT NaN None NaN
2 2002-05-18 -115.625 55.125 NaT NaN None NaN
3 2002-05-18 -115.375 55.125 NaT NaN None NaN
4 2002-05-18 -115.125 55.125 NaT NaN None NaN
fire_count duration label
0 1.0 4.0 True
1 NaN NaN False
2 NaN NaN False
3 NaN NaN False
4 NaN NaN False
編輯:如果錯誤:
ValueError:重復可能不包含負值
這意味着end_time
的某些行低於time
列:
df = pd.DataFrame({'lat':[50,60],
'long':[-120,-110],
'time':[np.datetime64('2020-01-01'),np.datetime64('2020-05-06')],
'end_time':[np.datetime64('2020-01-04'),np.datetime64('2020-05-04')],
'duration':[4,1]})
df['time'] = pd.to_datetime(df['time'])
df['end_time'] = pd.to_datetime(df['end_time'])
print (df)
lat long time end_time duration
0 50 -120 2020-01-01 2020-01-04 4
1 60 -110 2020-05-06 2020-05-04 1 end_time < time
可能的解決方案是交換這些值:
m = df['time'].gt(df['end_time'])
d = {'end_time':'time','time':'end_time'}
df.loc[m, ['time','end_time']] = df.loc[m, ['end_time','time']].rename(columns=d)
df['end_time'] = df['end_time'] + pd.Timedelta(1, unit='d')
print (df)
lat long time end_time duration
0 50 -120 2020-01-01 2020-01-05 4
1 60 -110 2020-05-04 2020-05-07 1
然后使用上面的解決方案:
s = df.pop('end_time').sub(df['time']).dt.days
df = df.loc[df.index.repeat(s)].copy()
counter = df.groupby(level=0).cumcount()
df['time'] = df['time'].add(pd.to_timedelta(counter, unit='d'))
df = df.reset_index(drop=True)
print (df)
lat long time duration
0 50 -120 2020-01-01 4
1 50 -120 2020-01-02 4
2 50 -120 2020-01-03 4
3 50 -120 2020-01-04 4
4 60 -110 2020-05-04 1
5 60 -110 2020-05-05 1
6 60 -110 2020-05-06 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.