Question

我使用的是Python 2.7。标题提供了上下文。我用这种特定的方式表达了标题，以便人们可以在将来查询这个堆栈交换问题。使用MATLAB有很多关于这个东西的文档，但是这个过程严重缺乏Scipy，NumPy，Pandas，matplotlib等。

基本上，我有以下数据框：

   time amplitude
 0 1.0  0.1
 1 2.0 -0.3
 2 3.0  1.4
 3 4.0  4.2
 4 5.0  -5.7
 5 6.0  2.3
 6 7.0  -0.2
 7 8.0  -0.3
 8 9.0  1.0
 9 10.0  0.1

现在我要做的是以下内容：

以5秒为间隔，查找最大值和最小值
使用相应的时间值记录最大值和最小值（即对于上述情况，在前5秒内，最大值为4秒时为4.2秒，5秒时为-5.7秒）

在适当的位置将值附加到数据框中，即

time amplitude upper lower
0 1.0  0.1       
1 2.0 -0.3
2 3.0  1.4
3 4.0  4.2       4.2
4 5.0  -5.7            -5.7
5 6.0  2.3       2.3
6 7.0  -0.8            -0.8
7 8.0  -0.3
8 9.0   1.0
9 10.0  0.1

在最大值和最小值之间插值以清除数据帧
绘制振幅列，上部列和下部列

我对python / pandas非常熟悉，并想象代码如下所示：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import scipy as scipy

time = [0,1,2,3,4,5,6,7,8,9]
amplitude = [0.1,-0.3,1.4,4.2,-5.7,2.3,-0.2,-0.3,1.0,0.1]
df = pd.DataFrame({'time': time, 'amplitude': amplitude}]
plt.plot(df['time'],df['amplitude])

for seconds in time:
    if <interval == 5>:
        max = []
        time_max = []
        min = []
        time_min = []

        max.append(df.max['amplitude'])
        min.append(df.min['amplitude'])
        time_max.append(<time value in interval>)
        time_min.append(<time value in interval>)

  <build another dataframe>
  <concat to existing dataframe df>
  <interpolate between values in column 'upper'>
  <interpolate between values in column 'lower'>

感谢任何帮助。

谢谢。

〜德文

Answer 1

Pandas resample()和interpolate()会有所帮助。要获得DatetimeIndex的秒数，请从任意Datetime开始 - 当您完成时，您可以随时砍掉年份：

df.set_index(pd.to_datetime("2017") + df.time * pd.offsets.Second(), inplace=True)

print(df)
                     time  amplitude
time                                
2017-01-01 00:00:01   1.0        0.1
2017-01-01 00:00:02   2.0       -0.3
2017-01-01 00:00:03   3.0        1.4
2017-01-01 00:00:04   4.0        4.2
2017-01-01 00:00:05   5.0       -5.7
2017-01-01 00:00:06   6.0        2.3
2017-01-01 00:00:07   7.0       -0.2
2017-01-01 00:00:08   8.0       -0.3
2017-01-01 00:00:09   9.0        1.0
2017-01-01 00:00:10  10.0        0.1

每5秒重新采样一次，获取摘要统计信息min和max：

summary = (df.resample('5S', label='right', closed='right')
             .agg({"amplitude":{"lower":"min","upper":"max"}}))
summary.columns = summary.columns.droplevel(0)

print(summary)
                     upper  lower
time                             
2017-01-01 00:00:05    4.2   -5.7
2017-01-01 00:00:10    2.3   -0.3

与原始df合并并插入缺失值。（请注意，只能在两个值之间进行插值，因此前几个条目将为NaN。）

df2 = df.merge(summary, how='left', left_index=True, right_index=True)
df2.lower.interpolate(inplace=True) 
df2.upper.interpolate(inplace=True) 

print(df2)
                     time  amplitude  upper  lower
time                                              
2017-01-01 00:00:01   1.0        0.1    NaN    NaN
2017-01-01 00:00:02   2.0       -0.3    NaN    NaN
2017-01-01 00:00:03   3.0        1.4    NaN    NaN
2017-01-01 00:00:04   4.0        4.2    NaN    NaN
2017-01-01 00:00:05   5.0       -5.7   4.20  -5.70
2017-01-01 00:00:06   6.0        2.3   3.82  -4.62
2017-01-01 00:00:07   7.0       -0.2   3.44  -3.54
2017-01-01 00:00:08   8.0       -0.3   3.06  -2.46
2017-01-01 00:00:09   9.0        1.0   2.68  -1.38
2017-01-01 00:00:10  10.0        0.1   2.30  -0.30

最后，绘制输出：

plot_cols = ['amplitude','lower','upper']
df2[plot_cols].plot()

注意：如果您希望索引仅显示秒数，请使用：

df2.index = df2.index.second

Answer 2

几乎复制了这个：python - How to get high and low envelope of a signal?（但是以更多的pandas / dataframe方式）
也使用了这个：Subsetting Data Frame into Multiple Data Frames in Pandas
我第一次遇到这个问题：

我希望这可以帮助人们为嘈杂的信号/时间序列数据创建任意信封，就像它帮助我一样!!!!

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import scipy as scipy

time_array = [0,1,2,3,4,5,6,7,8,9]
value_array = [0.1,-0.3,1.4,4.2,-5.7,2.3,-0.2,-0.3,1.0,0.1]

upper_time = []
upper_value = []
lower_time = []
lower_value = []

df = pd.DataFrame({'time': time_array, 'value': value_array})


for element,df_k in df.groupby(lambda x: x/2):
    df_temp = df_k.reset_index(drop=True)

    upper_time.append(df_temp['time'].loc[df_temp['value'].idxmax()])
    upper_value_raw = df_temp['value'].loc[df_temp['value'].idxmax()]
    upper_value.append(round(upper_value_raw,1))

    lower_time.append(df_temp['time'].loc[df_temp['value'].idxmin()])
    lower_value_raw = df_temp['value'].loc[df_temp['value'].idxmin()]
    lower_value.append(round(lower_value_raw,1))



plt.plot(df['time'],df['value'])
plt.plot(upper_time,upper_value)
plt.plot(lower_time,lower_value)
plt.show()

使用pandas

2 个答案: