對 python pandas 中的多變量數據重新采樣 timedelta

Question

Pandas 還是新手：

我有一些數據（df）是不同人及其變量的時間序列數據。

dataframe 看起來像這樣：

date1                 date2                 person  var1   var2
2016-01-04 12:56:00   2016-01-05 00:00:00   1       100    200   
2016-01-04 15:11:00   2016-01-05 00:00:00   1       110    120
2016-01-06 18:05:00   2016-01-06 00:00:00   2       220    300
2016-01-07 18:59:00   2016-01-07 00:00:00   2       200    100
2016-01-02 19:30:00   2016-01-02 00:00:00   3       400    500

對於我正在嘗試創建 dataframe 的每個人，其中：

• 索引是日期之間的時間增量（以天為單位）
• 對於每個人的觀測值都進行了上采樣，因此每個人的觀測值具有相同的長度，介於 -5 到 5 天之間。
• 對於同一天收集的觀察結果，取變量的平均值
• 缺失值用 0 填充

所以它看起來像這樣：

days   person  var1   var2
-5     1        0      0   
-4     1        0      0
-3     1        0      0
-2     1        0      0
-1     1        X      X
0      1        Y      Y
...
-5     2        0      0
-4     2        0      0

etc

我嘗試使用 timedelta 索引，使用 groupby('person') 和重新采樣，但我不知道如何為每個人獲取指定的日期范圍（-5 到 5）或如何處理多個觀察結果。

非常感謝指點，謝謝。

Answer 1

一、准備完整的人員名單和感興趣的天差

persons = df['person'].unique()
date_diffs = np.arange(-5,6)

然后，為您的“上采樣”構建所有可能組合的列表。

person_date_diff_combos = [(person, date_diff) for person in persons for date_diff in date_diffs]

最后，根據需要取平均值，我們首先按person和date_diff對數據進行分組，取兩個變量的平均值，然后reindex以創建缺失的行，最后用零填充缺失的行。

df = df.groupby([
    'person',
    (df['date2'] - df['date1']).dt.days.rename('date_diff'),
])\
    [['var1', 'var2']].mean()\
    .reindex(person_date_diff_combos, axis=0)\
    .fillna(0)