如何转换到达不同区间并相互依赖的多个未对齐时间序列

Question

系统收集许多未对齐的时间序列数据：

示例：

TextField

并且可能也会延迟或批量发送（即事件时间可能不等于接收时间，取决于来源）

原始数据将上采样到1分钟间隔，并通过前一个值的线性插值填充缺失值。然后像这样进行元素化转换：

系列2 =系列2 +系列3
系列1 =系列1 *系列2

因此系列1取决于它自身和系列2.系列2取决于它自身和系列3。

系列之间的转换关系可以形成有向无环图（DAG）。 如果用户请求更改，关系将在运行时更改。

目前，当用户检索时间序列数据时，所有计算都会立即使用Python Pandas完成。但是，当数据量增加或用户选择较宽的时间范围时，性能会变差。

是否有任何方法/工具可以实现此目的，例如流或批处理？

Answer 1

尝试使用RedBlackPy！它的创建是为了方便地处理时间序列，包括无约束插值。另外，您可以阅读TowardsDataScience上的文章。类RedBlackPy.Series包含您要寻找的所有功能。它支持对Series对象的键的排序并集（带有自动插值）的算术方法。

在处理时间序列等动态有序数据时，RedBlackPy优于熊猫。