在定义的时间内查找条目出现频率最高的系列范围（在 Pandas 中）答案

【问题标题】：Finding a range in the series with the most frequent occurrence of the entries over a defined time (in Pandas)在定义的时间内查找条目出现频率最高的系列范围（在 Pandas 中）
【发布时间】：2018-02-05 03:33:39
【问题描述】：

我在 Pandas 中有一个大型数据集，其中的条目标有时间戳。我正在寻找一种解决方案，如何获得具有最高条目出现率的定义长度范围（如 1 分钟）。

一种解决方案可能是将数据重新采样到更高的时间范围（例如一分钟）并比较具有最多值的部分。但是，它只会找到与给定时间范围的开始和结束时间相对应的范围。

我宁愿找到一个解决方案来找到任何 1 分钟范围，无论它们实际从哪里开始。

在下面的示例中，我将寻找 1 分钟的“窗口”，其中条目出现次数最多，从范围内的第一个信号开始，以范围内的最后一个信号结束：

8:50:00
8:50:01
8:50:03
8:55:00
8:59:10
9:00:01
9:00:02
9:00:03
9:00:04
9:05:00

因此我想获得范围 8:59:10 - 9:00:04

任何提示如何做到这一点？

【问题讨论】：

标签： python pandas

【解决方案1】：

你需要创建1分钟的窗口，滑动开始时间为1秒；计算任何窗口的最大出现次数。在 pandas 0.19.0 或更高版本中，您可以使用 base 作为参数重新采样时间序列，以在不同时间启动重新采样的窗口。

我使用tempfile 将您的数据复制为下面的玩具数据集。

import tempfile
import pandas as pd

tf = tempfile.TemporaryFile()
tf.write(b'''8:50:00
8:50:01
8:50:03
8:55:00
8:59:10
9:00:01
9:00:02
9:00:03
9:00:04
9:05:00''')
tf.seek(0)

df = pd.read_table(tf, header=None)
df.columns = ['time']
df.time = pd.to_datetime(df.time)

max_vals = []
for t in range(60):
    # .max().max() is not a mistake, use it to return just the value
    max_vals.append(
        (t, df.resample('60s', on='time', base=t).count().max().max())
    )

max(max_vals, key=lambda x: x[-1])
# returns:
(5, 5)

对于这个玩具数据集，窗口的 5 秒偏移量（即 8:49:05、8:50:05...）对于 1 分钟的窗口具有 5 个计数的最大计数中的第一个.

【讨论】：