Question

我有一个大熊猫30分钟的间隔时间序列。一个小样本看起来像：

2009-12-02 20:00:00    0.6
2009-12-02 20:30:00    0.7
2009-12-03 01:00:00    0.7
2009-12-03 02:30:00    0.7
2009-12-03 11:30:00    0.7
2009-12-03 12:00:00    1.4
2009-12-03 12:30:00    1.3

如果2之间的间隔持续时间戳超过2小时，我必须识别开始，完成日期（并存储它）。例如：

event 1 : 2009-12-02 20:00:00 -  2009-12-02 20:30:00 
event 2 : 2009-12-03 01:00:00 -  2009-12-03 02:30:00  
event 3 : 2009-12-03 11:30:00 -  2009-12-03 12:30:00

但我有点卡在这里！通常，如果它是一个DataFrame，我会使用类似的东西： for index, row df.iterrows(): #if timedelta > 2 hours etc

有什么建议我怎么开始？ Ty

Answer 1

计算两行之间的时差。
通过比较两小时的差异来获得一个bool系列。
cumsum（）bool系列获得一个可以拆分日期帧的系列。
调用groupby并申请获取每个组的开始和结束日期时间。

以下是代码：

import pandas as pd
import io
import numpy as np

data = r"""date,value
2009-12-02 20:00:00,0.6
2009-12-02 20:30:00,0.7
2009-12-03 01:00:00,0.7
2009-12-03 02:30:00,0.7
2009-12-03 11:30:00,0.7
2009-12-03 12:00:00,1.4
2009-12-03 12:30:00,1.3"""

df = pd.read_csv(io.StringIO(data), parse_dates=[0])
diff = df.date - df.date.shift(1)

sections = (diff > np.timedelta64(2, "h")).astype(int).cumsum()

def f(s):
    return s.iloc[[0, -1]].reset_index(drop=True)

print df.date.groupby(sections).apply(f).unstack()

输出：

                   0                   1
0 2009-12-02 20:00:00 2009-12-02 20:30:00
1 2009-12-03 01:00:00 2009-12-03 02:30:00
2 2009-12-03 11:30:00 2009-12-03 12:30:00

Answer 2

t.txt包含日志数据

from datetime import datetime

d1 = d2 = d3 = None
for line in open('t.txt'):
    d3 = datetime.strptime(line[:19], '%Y-%m-%d %H:%M:%S')
    if d1 is None:
        d1 = d2 = d3
    elif (d3 - d2).seconds >= 2 * 3600:
        print d1, d2
        d1 = d2 = d3
    else:
        d2 = d3
print d1, d2

pandas timeseries基于日期索引的标识值

2 个答案: