两个日期时间文件之间的熊猫系列答案

【问题标题】：Pandas series between two date time files两个日期时间文件之间的熊猫系列
【发布时间】：2017-09-30 16:44:52
【问题描述】：

我的问题是关于使用 Pandas 时间序列。

我有一个文件（Spots），其中包含一个月数据的熊猫时间序列，范围为 7.5 秒。示例：

2016-11-01 00:00:00,0
2016-11-01 00:00:07.500000,1
2016-11-01 00:00:15,2
2016-11-01 00:00:22.500000,3
2016-11-01 00:00:30,4

另一个文件（目标）只有时间信息。

例子：

2016-11-01 00:00:05
2016-11-01 00:00:07
2016-11-01 00:00:23
2016-11-01 00:00:25

我想查看目标日期时间属于哪个时间点：上面例子中的输出：

2016-11-01 00:00:00,0 '\t' count of targets in this spot = 2
2016-11-01 00:00:07.500000,1 '\t' count of targets in this spot = 0
2016-11-01 00:00:15,2 '\t' count of targets in this spot = 0
2016-11-01 00:00:22.500000,3 '\t' count of targets in this spot = 0
2016-11-01 00:00:30,4 '\t' count of targets in this spot = 2

提前非常感谢您。如果这很清楚，请告诉我，否则我可以尝试解释更多。

【问题讨论】：

第一行如何在那个位置有 2 个目标？看起来应该是 0。除非您将目标四舍五入到最近的点？更清楚地了解结果背后的逻辑会有所帮助。

标签： python-2.7 pandas data-science

【解决方案1】：

这是我的建议。首先，将另一列添加到目标框架。这样可以在未来合并后识别目标：

target['T'] = 1

连接目标和点并按时间排序：

both = pd.concat([spots,target]).sort_values(0)
#                        0    1    T
#0 2016-11-01 00:00:00.000  0.0  NaN
#0 2016-11-01 00:00:05.000  NaN  1.0
#1 2016-11-01 00:00:07.000  NaN  1.0
#1 2016-11-01 00:00:07.500  1.0  NaN
#2 2016-11-01 00:00:15.000  2.0  NaN
#3 2016-11-01 00:00:22.500  3.0  NaN
#2 2016-11-01 00:00:23.000  NaN  1.0
#3 2016-11-01 00:00:25.000  NaN  1.0
#4 2016-11-01 00:00:30.000  4.0  NaN

向前填充点 ID：

both[1] = both[1].fillna(method='ffill').astype(int)
#                        0  1    T
#0 2016-11-01 00:00:00.000  0  NaN
#0 2016-11-01 00:00:05.000  0  1.0
#1 2016-11-01 00:00:07.000  0  1.0
#1 2016-11-01 00:00:07.500  1  NaN
#2 2016-11-01 00:00:15.000  2  NaN
#3 2016-11-01 00:00:22.500  3  NaN
#2 2016-11-01 00:00:23.000  3  1.0
#3 2016-11-01 00:00:25.000  3  1.0
#4 2016-11-01 00:00:30.000  4  NaN

选择原始目标行和列：

both[both['T']==1][[0,1]]
#                    0  1
#0 2016-11-01 00:00:05  0
#1 2016-11-01 00:00:07  0
#2 2016-11-01 00:00:23  3
#3 2016-11-01 00:00:25  3

如果你想统计点中的目标，请使用groupby()：

both.groupby(1).count()['T']
#1
#0    2
#1    0
#2    0
#3    2
#4    0

【讨论】：

【解决方案2】：

让我们使用merge_ordered、fillna和groupby：

输入：

df_spots

                     Date  Value
0 2016-11-01 00:00:00.000      0
1 2016-11-01 00:00:07.500      1
2 2016-11-01 00:00:15.000      2
3 2016-11-01 00:00:22.500      3
4 2016-11-01 00:00:30.000      4

df_target

                 Date
0 2016-11-01 00:00:05
1 2016-11-01 00:00:07
2 2016-11-01 00:00:23
3 2016-11-01 00:00:25

代码：

merged_df = pd.merge_ordered(df_spots, df_target, on = 'Date')
df_out = (merged_df.groupby(by=merged_df['Value']
               .fillna(method='ffill'), as_index=False)
               .agg({'Date':'first',
                     'Value':{'first':'first','count':lambda x:len(x)-1}}))

输出：

df_out

                     Date Value      
                    first first count
0 2016-11-01 00:00:00.000   0.0   2.0
1 2016-11-01 00:00:07.500   1.0   0.0
2 2016-11-01 00:00:15.000   2.0   0.0
3 2016-11-01 00:00:22.500   3.0   2.0
4 2016-11-01 00:00:30.000   4.0   0.0

【讨论】：

哇！非常感谢大家！我不知道有这么多漂亮和优雅的方式来使用 Panda。今晚我将尝试所有这些，让你们都知道它是怎么回事。非常感谢！
嗨@Scott Boston，我尝试了你的方法，但我没有得到计数，而是它只是匹配我认为是行号的第一列？首先，我不得不将 merge_ordered 更改为 order_merged，但即便如此，我也得到了相同的结果。我注意到在 merge_df 中，第二个数据框中没有“值”，所以“值”上的追随者仍然有效吗？你能帮我理解我可能做错了什么吗？此外，当我打印我的 df_out 时，我首先得到第一个计数，而不是第一个计数。
你有什么版本的熊猫？我用的是最新的 0.19.2，我想你可能用的是早期版本。
是的，我考虑过这一点并升级了 pandas 并运行它，它运行良好。谢谢大家的帮助

【解决方案3】：

结合使用np.searchsorted 和pd.value_counts 以及其他一些内容。

idx = Spots.index.to_series()
i = idx.values
t = Target.Date.values
m = pd.value_counts(i[i.searchsorted(t) - 1]).to_dict()
Spots.assign(TargetCount=idx.map(lambda x: m.get(x, 0)))

                         Value  TargetCount
Date                                       
2016-11-01 00:00:00.000      0            2
2016-11-01 00:00:07.500      1            0
2016-11-01 00:00:15.000      2            0
2016-11-01 00:00:22.500      3            2
2016-11-01 00:00:30.000      4            0

工作原理

idx 是Spots 的索引变成了pd.Series，因为我想稍后使用pd.Series.map。
i 是底层 numpy 数组，我将使用它执行 searchsorted 操作
t 与 i 相同...searchsorted 的一部分
searchsorted 将遍历右数组中的每个元素，并找到该元素相对于右数组的插入位置。此信息可用于查找元素所属的“bin”。然后我减去一个以与适当的索引对齐
然后我执行pd.value_counts 来计算它们
使用map 构建一个新列。

设置

from io import StringIO
import pandas as pd

tx1 = """2016-11-01 00:00:00,0
2016-11-01 00:00:07.500000,1
2016-11-01 00:00:15,2
2016-11-01 00:00:22.500000,3
2016-11-01 00:00:30,4"""

tx2 = """2016-11-01 00:00:05
2016-11-01 00:00:07
2016-11-01 00:00:23
2016-11-01 00:00:25"""

Spots = pd.read_csv(StringIO(tx1), parse_dates=[0], index_col=0, names=['Date', 'Value'])

Target = pd.read_csv(StringIO(tx2), parse_dates=[0], names=['Date'])

【讨论】：

【解决方案4】：

使用熊猫merge_asof （注意，所有时间值都必须排序 - 可能必须先排序）：

设置~~~~~~~~

import pandas as pd    

# make date_range with 1 sec interval (fake targets)
rng = pd.date_range('2016-11-01', periods=100, freq='S')

# resample to make 7.5 sec intervals (fake spot bins)
ts = pd.Series(np.arange(100), index=rng)
ts_vals = ts.resample('7500L').asfreq().index

df_spots = pd.DataFrame({'spot': np.arange(len(ts_vals)), 'bin': ts_vals})
df_spots.head()
                      bin  spot
0 2016-11-01 00:00:00.000  0   
1 2016-11-01 00:00:07.500  1   
2 2016-11-01 00:00:15.000  2   
3 2016-11-01 00:00:22.500  3   
4 2016-11-01 00:00:30.000  4 

df_targets = pd.DataFrame(rng, columns=['tgt'])
df_targets.head()

                  tgt
0 2016-11-01 00:00:00
1 2016-11-01 00:00:01
2 2016-11-01 00:00:02
3 2016-11-01 00:00:03
4 2016-11-01 00:00:04

解决办法~~~~~~~

# this will produce spot membership for targets
df = pd.merge_asof(df_targets, df_spots, left_on='tgt', right_on='bin')
df.head()
                  tgt                     bin  spot
0 2016-11-01 00:00:00 2016-11-01 00:00:00.000  0   
1 2016-11-01 00:00:01 2016-11-01 00:00:00.000  0   
2 2016-11-01 00:00:02 2016-11-01 00:00:00.000  0   
3 2016-11-01 00:00:03 2016-11-01 00:00:00.000  0   
4 2016-11-01 00:00:04 2016-11-01 00:00:00.000  0   
5 2016-11-01 00:00:05 2016-11-01 00:00:00.000  0   
6 2016-11-01 00:00:06 2016-11-01 00:00:00.000  0   
7 2016-11-01 00:00:07 2016-11-01 00:00:00.000  0   
8 2016-11-01 00:00:08 2016-11-01 00:00:07.500  1   
9 2016-11-01 00:00:09 2016-11-01 00:00:07.500  1   

# for spot counts...
df_counts = pd.DataFrame(df.groupby('bin')['spot'].count())
df_counts.head()
                         spot
bin                          
2016-11-01 00:00:00.000  8   
2016-11-01 00:00:07.500  7   
2016-11-01 00:00:15.000  8   
2016-11-01 00:00:22.500  7   
2016-11-01 00:00:30.000  8

【讨论】：