Question

我在pandas DataFrame中有时间序列数据，如下所示：

ts                         serial_number    device_tp       tp
2017-09-19T15:00:00.000Z    4ktpjlv     21.7760333333333    17
2017-09-19T14:00:00.000Z    4ktpjlv     19.8849833333333    16
2017-09-19T13:00:00.000Z    4ktpjlv     18.8565818181818    15
2017-09-19T12:00:00.000Z    4ktpjlv     18.7219666666667    13
2017-09-19T11:00:00.000Z    4ktpjlv     18.8341272727273    13
2017-09-19T10:00:00.000Z    4ktpjlv     18.9697833333333    14
2017-09-19T09:00:00.000Z    4ktpjlv     19.0422416666667    14

我正在尝试计算tp和device_tp之间的皮尔逊相关因子，并使用滚动时间窗在每个数据上应用动态时间规整算法（使用fastdtw）。对于每个样本，我都会回顾过去的12小时，并计算相关因子和距离。

我知道熊猫是滚动函数，但是，它不返回数据帧，而是返回系列（或数组？）。问题在于，相关因子和fastdtw都需要两个参数才能起作用：df.tp和df.device_tp。

我找到了另一种方法，使用循环来获取所需的内容：

for key, meas in df.iterrows(): 
   now = meas.ts
   start_date = now - pd.Timedelta(hours=12)
   new_df = df[(df['ts'] >= start_date) & (df['ts'] < now)]   
   if(new_df.shape[0] > 1):
       tp = df.tp.values
       device_tp = df.device_tp.values
       distance, _ = fastdtw(df['tp'], df['device_tp'])
       corr = stats.pearsonr(tp, device_tp)[0]
       # ... Predict flag here
       if(flag == 0):
           output = output.append(meas)

但是，这当然不是很节省时间！我也想知道有什么更好的方法吗？我读了一些有关重新定义滚动功能的内容，而不是使用内置的pandas，但是我真的看不到该怎么做。

感谢您的帮助！

Answer 1

好的，所以获取窗口相关性的有效方法是df["device_tp"].rolling(12, min_periods=2).corr(other=df["tp"])。

我也无法想到直接获得DTW距离的方法。使我的速度提高8倍左右的一种解决方案是滚动pd.Series索引，然后将结果索引与Rolling.apply一起使用：

from fastdtw import fastdtw 
def rolling_dtw(df, win=12, center=False, min_periods=2,
                col0="ts", col1="A", col2="B"):
    indices = df[col0]
    a = df[col1].values
    b = df[col2].values
    def rolldist(inds):  # calculate DTW for current indices
        inds = inds.astype(int)  # manual type-cast is needed here
        return fastdtw(a[inds], b[inds])[0]

    return indices.rolling(win, center=center,
                           min_periods=min_periods).apply(rolldist)

但是该解决方案也不是很漂亮。假定数据点之间的距离恒定为1h（以便使用索引）。如果不是这种情况，则需要进行调整。

多列熊猫滚动时间窗口自定义函数

1 个答案: