我有来自用户记录事件的一堆数据,数据类型为0,1或2.这些都因此形成不规则的时间序列。我已将它们带入pandas Series
,每个数据类型一个,带有数据时间索引。我还使用ffill
重新采样并将asfreq
应用于我的数据类型。
但是,我希望能够计算互相关函数并运行回归。似乎最容易实现的方法是将我的系列索引转换为period indices
,这样即使时间不完全相同,它们也会处于同一时期,因此会共享一个索引。 如何将日期时间指数转换为期间指数?
这是我的系列的样子:
系列0:
2014-10-30 19:27:04.330 160
2014-10-30 22:10:32.682 88
2014-10-31 00:43:43.806 128
2014-10-31 03:40:07.164 89
2014-10-31 11:51:03.867 66
2014-10-31 17:58:01.835 84
2014-10-31 20:56:20.770 104
2014-10-31 21:58:41.153 82
2014-10-31 23:26:51.695 95
dtype: float64
系列1:
2016-02-06 00:11:00.910 50
2016-02-07 05:06:21.677 30
2016-02-07 21:26:05.312 26
2016-02-10 18:14:03.762 100
2016-02-11 00:56:34.635 20
2016-02-12 03:20:44.296 15
2016-02-12 18:41:54.061 90
2016-02-13 17:08:00.000 25
2016-02-13 19:26:01.988 40
dtype: float64
系列2看起来很相似。 0系列比其他系列更早开始,但这三个系列都有重叠的日期。
感谢您的建议!