Question

我有一组相对较大（约300 MB）的地理位置数据，格式为

Timestamp, id, type, x, y

使用以下数据类型：

In[7]: df.dtypes
Out[7]: 
Timestamp    datetime64[ns]
id                    int64
type                 object
X                     int64
Y                     int64
dtype: object

每个id对应一个特定的用户，每个人在一天中记录了几百个点。

我想创建一个情节，显示每个人都在某一秒。每个id我需要1分。然而，数据有点稀疏，并且不太可能存在与该秒数精确相关的数据点。我想通过在最近的两个点之间进行插值来近似。

在数据点之间，我假设人们线性移动，所以如果我们在8:31:10和8:31:50知道位置，那么在8:31:30它们应该恰好位于中间位置这两个位置，并且在8:31:11它们应该是点之间的1/40（所以插值如下所述：Pandas data frame: resample with linear interpolation）

我认为基本过程是：

遍历每个id：
- 获取该ID的过滤器数据
- 在时间之前获取最后一个位置（例如，在8:31:11之前的最后记录位置，或者使用的时间）
- 获取第一个位置（例如，在8:31:11之后的第一个记录位置，或者使用的任何时间）
- 插入以确定它们在第二个
- 将位置添加到列表
每个身份证位置的情节清单

我知道我可以用

遍历每个id

for name, group in df.groupby('id'):

并且策划不是问题，但我不确定其余部分。

经过一些搜索后，我找不到任何好方法来为每个组中的单个值做到这一点。其他答案建议使用重新采样和插值函数，但这对于我拥有的数据大小会花费太长时间，并且会进行大量不必要的计算，因为我只需要一个点。

Answer 1

目前还不是很清楚你想要什么，但让我们从一些事情开始

首先，您可能需要唯一ID列表，对吗？

import pandas as pd
import numpy as np

df = ...

unids = np.unique(df[['id']])

for id in unids:
    df_id = # subset df by id, filtering out rows by id, and get back dataframe
    # sort new df by Timestamp
    tmin = new_df['Timestamp'][0]
    tmax = new_df['Timestamp'][-1]
    tstep = ... # time step

    position = []
    for t in range(tmin, tmax, tstep):
        # interpolate
        # add to position
    plot(position)

这看起来合理吗？

从时间序列

1 个答案: