重复时间序列数据的熊猫滚动中位数

Question

我看到 Pandas 还不允许 duplicate time series indexes (https://github.com/pydata/pandas/issues/643)，但很快就会添加。我想知道是否有一种好方法可以通过多索引标签/列将滚动窗口均值应用于具有重复时间的数据集

基本上，我有一个由纪元时间、分层标签（tag1、tag2）和所用时间组成的无序事件的 csv。一个小样本：

 epochTimeMS,event,tag,timeTakenMS
 1331782842801,event1,tag1,16
 1331782841535,event1,tag2,1278
 1331782842801,event1,tag1,17
 1331782842381,event2,tag1,436

我想做的是通过事件和事件+标签构建和绘制具有不同 ms 窗口的滚动方式。这似乎应该在 Pandas 中完成，但不确定我是否需要先等到重复的时间序列索引。现在有什么想法可以解决这个问题吗？

Answer 1

现在没有什么能真正阻止你：

In [17]: idf = df.set_index(['tag', 'epochTimeMS'], verify_integrity=False).sort_index()

In [18]: idf
Out[18]: 
                     event  timeTakenMS
tag  epochTimeMS                       
tag1 1331782842381  event2          436
     1331782842801  event1           16
     1331782842801  event1           17
tag2 1331782841535  event1         1278

In [20]: idf.ix['tag1']
Out[20]: 
                event  timeTakenMS
epochTimeMS                       
1331782842381  event2          436
1331782842801  event1           16
1331782842801  event1           17

通过时间戳访问特定值将导致异常（正如您所提到的，这将得到改进），但您当然可以使用数据。现在，如果您想要一个固定长度（在时间空间中）的窗口，目前还没有得到很好的支持，但我在这里创建了一个问题：

https://github.com/pydata/pandas/issues/936

如果您可以在邮件列表中说出您的应用程序中的 API 要求，这将对我和其他人有所帮助，因为我们现在正在积极研究时间序列功能。