Question

这是一个由两部分组成的问题，有一个直接的问题和一个更普遍的问题。

我有一只大熊猫TimeSeries，ts。要知道一定时间后的第一个值。我可以这样做，

ts.ix[ts[datetime(2012,1,1,15,0,0):].first_valid_index()]

a）有更好，更笨重的方法吗？

b）来自C，在处理这些有些不透明，可能是可变的但通常不是，可能是懒惰但不总是类型时，我有一定的恐惧症。所以要清楚，当我做的时候

ts[datetime(2012,1,1,15,0,0):].first_valid_index()

ts [datetime（2012,1,1,15,0,0）：]是一个pandas.TimeSeries对象吗？我可能会改变它。

这是否意味着每当我切片时，都会在内存中分配一份ts副本？这是否意味着这个无害的代码行实际上只是为了获得索引值而触发一个千兆字节的TimeSeries副本？

或者他们可能神奇地共享内存，如果其中一个对象发生变异，则会完成一个懒惰的副本？但是，您如何知道哪些特定操作会触发副本？也许不切片，但如何重命名列？它似乎在文档中没有这么说。那会麻烦你吗？它应该打扰我还是我应该学会不用担心并发现探查器的问题？

Answer 1

一些设置：

In [1]: import numpy as np
In [2]: import pandas as pd
In [3]: from datetime import datetime
In [4]: dates = [datetime(2011, 1, 2), datetime(2011, 1, 5), datetime(2011, 1, 7), datetime(2011, 1, 8), datetime(2011, 1, 10), datetime(2011, 1, 12)]

In [5]: ts = pd.Series(np.random.randn(6), index=dates)

In [6]: ts
Out[6]: 
2011-01-02   -0.412335
2011-01-05   -0.809092
2011-01-07   -0.442320
2011-01-08   -0.337281
2011-01-10    0.522765
2011-01-12    1.559876

好的，现在回答你的第一个问题，a）是的，根据你的意图，不那么笨重的方法。这很简单：

In [9]: ts[datetime(2011, 1, 8):]
Out[9]: 
2011-01-08   -0.337281
2011-01-10    0.522765
2011-01-12    1.559876

这是一个切片，其中包含您所选日期之后的所有值。您可以按照自己的意愿选择第一个：

In [10]: ts[datetime(2011, 1, 8):][0]
Out[10]: -0.33728079849770815

对于你的第二个问题，（b） - 这种类型的索引是原始的一部分，就像其他numpy数组一样。它不是原件的副本。看到这个问题，或许多类似的问题： Bug or feature: cloning a numpy array w/ slicing

为了演示，让我们修改切片：

In [21]: ts2 = ts[datetime(2011, 1, 8):]
In [23]: ts2[0] = 99

这会更改原始时间序列对象ts，因为ts2是切片而不是副本。

In [24]: ts
Out[24]: 
2011-01-02    -0.412335
2011-01-05    -0.809092
2011-01-07    -0.442320
2011-01-08    99.000000
2011-01-10     0.522765
2011-01-12     1.559876

如果你想要一份副本，你可以（通常）使用复制方法，或者（在这种情况下）使用truncate：

In [25]: ts3 = ts.truncate(before='2011-01-08')

In [26]: ts3  
Out[26]: 
2011-01-08    99.000000
2011-01-10     0.522765
2011-01-12     1.559876

更改此副本不会更改原件。

In [27]: ts3[1] = 99

In [28]: ts3
Out[28]: 
2011-01-08    99.000000
2011-01-10    99.000000
2011-01-12     1.559876

In [29]: ts                #The january 10th value will be unchanged. 
Out[29]: 
2011-01-02    -0.412335
2011-01-05    -0.809092
2011-01-07    -0.442320
2011-01-08    99.000000
2011-01-10     0.522765
2011-01-12     1.559876

这个例子直接来自Wes的“Python for Data Analysis”。看看这个。这很棒。

Answer 2

我不知道大熊猫，一般答案：

你可以在python中重载任何东西，他们必须在那里完成。如果您在类上定义了一个特殊方法__getitem__，则在使用obj[key]或obj[start:stop]时调用它（在前一种情况下只使用key作为参数，使用特殊slice object在后者）。然后你可以返回任何你想要的东西。

以下是展示__getitem__如何运作的示例：

class Foo(object):
    def __getitem__(self, k):
        if isinstance(k, slice):
            return k.start + k.stop # properties of the slice object
        else:
            return k

这会给你：

>>> f = range.Foo()
>>> f[42]
42
>>> f[23:42]
65

我假设在您的示例中，__getitem__方法返回一些特殊对象，其中包含日期时间对象以及对原始ts对象的引用。然后，当调用first_valid_index方法或类似方法时，该特殊对象可以使用该信息来获取所需信息。（它甚至不必修改原始对象，就像你提出的问题一样。）

TL; DR：学会不要担心： - ）

添加：我很好奇，所以我自己实现了上述行为的最小例子：

class FilterableList(list):
    def __init__(self, *args):
        list.__init__(self, *args)
        self.filter = FilterProxy(self)

class FilterProxy(object):
    def __init__(self, parent):
        self.parent = parent

    def __getitem__(self, sl):
        if isinstance(sl, slice):
            return Filter(self.parent, sl)

class Filter(object):
    def __init__(self, parent, sl):
        self.parent = parent
        self.sl = sl

    def eval(self):
        return [e for e in self.parent if self.sl.start <= e <= self.sl.stop]


>>> l = FilterableList([4,5,6,7])
>>> f = l.filter[6:10]
>>> f.eval()
[6, 7]
>>> l.append(8)
>>> f.eval()
[6, 7, 8]

在使用pandas TimeSeries的特定时间戳之后选择第一个索引

2 个答案: