Question

我有几天1分钟数据的时间序列，并希望在一天中的所有日期对其进行平均。

这很慢：

from datetime import datetime
from pandas import date_range, Series
time_ind = date_range(datetime(2013, 1, 1), datetime(2013, 1, 10), freq='1min')
all_data = Series(randn(len(time_ind)), time_ind)
time_mean = all_data.groupby(lambda x: x.time()).mean()

差不多花了一分钟才能跑完！

类似于：

time_mean = all_data.groupby(lambda x: x.minute).mean()

只需要几分之一秒。

是否有更快的方式按时间分组？

知道为什么这么慢？

Answer 1

版本0.11.0中，version 0.11中引入的“lambda-version”和time属性似乎都很慢：

In [4]: %timeit all_data.groupby(all_data.index.time).mean()
1 loops, best of 3: 11.8 s per loop

In [5]: %timeit all_data.groupby(lambda x: x.time()).mean()
Exception RuntimeError: 'maximum recursion depth exceeded while calling a Python object' in <type 'exceptions.RuntimeError'> ignored
Exception RuntimeError: 'maximum recursion depth exceeded while calling a Python object' in <type 'exceptions.RuntimeError'> ignored
Exception RuntimeError: 'maximum recursion depth exceeded while calling a Python object' in <type 'exceptions.RuntimeError'> ignored
1 loops, best of 3: 11.8 s per loop

使用当前的master，两种方法都要快得多：

In [1]: pd.version.version
Out[1]: '0.11.1.dev-06cd915'

In [5]: %timeit all_data.groupby(lambda x: x.time()).mean()
1 loops, best of 3: 215 ms per loop

In [6]: %timeit all_data.groupby(all_data.index.time).mean()
10 loops, best of 3: 113 ms per loop
'0.11.1.dev-06cd915'

所以你可以更新到主人或者等待本月应该发布的0.11.1。

Answer 2

分组小时/分钟/ ..属性而不是.time更快。这是杰夫的基线：

In [11]: %timeit all_data.groupby(all_data.index.time).mean()
1 loops, best of 3: 202 ms per loop

并且没有时间它会更快（属性越少，越快）：

In [12]: %timeit all_data.groupby(all_data.index.hour).mean()
100 loops, best of 3: 5.53 ms per loop

In [13]: %timeit all_data.groupby([all_data.index.hour, all_data.index.minute, all_data.index.second, all_data.index.microsecond]).mean()
10 loops, best of 3: 20.8 ms per loop

注意：时间对象不接受纳秒（但具有DatetimeIndex的分辨率）。

我们应该将索引转换为具有时间对象以使此比较公平：

In [21]: res = all_data.groupby([all_data.index.hour, all_data.index.minute, all_data.index.second, all_data.index.microsecond]).mean()

In [22]: %timeit res.index.map(lambda t: datetime.time(*t))
1000 loops, best of 3: 1.39 ms per loop

In [23]: res.index = res.index.map(lambda t: datetime.time(*t))

因此，对于最大分辨率，它的速度提高了大约10倍，并且您可以轻松地使其更粗糙（和更快），例如只需要时间和分钟..

更快的方式来组合熊猫的时间

2 个答案: