我有一个包含时间戳和计数器列的数据框。时间戳以1分钟的间隔分开。计数器指示在时间戳上发生的事件数。 在每个时间戳记下,我想计算接下来的十分钟内的事件数。因此,在时间戳记2018年1月3日00:00:00,事件数为3。
我创建了一个函数,将数据帧的每一行传递给该函数,它在接下来的10分钟内重新运行事件数。我得到了正确的答案,但是运行时非常长,我想以更快的方式执行此操作,因为我打算在大型数据集上运行它。我认为可以通过有效使用groupby和transform来快速实现这一目标,但我不确定该怎么做。任何帮助,将不胜感激。谢谢!
a = pd.DataFrame()
a['timestamp'] = pd.date_range('2018-01-03 00:00:00', '2018-01-03 00:20:00', freq='01min').to_list()
a['counter'] = 0
a['counter'][5] = 2
a['counter'][7]= 1
a['counter'][16] = 3
数据框如下:
timestamp counter
0 2018-01-03 00:00:00 0
1 2018-01-03 00:01:00 0
2 2018-01-03 00:02:00 0
3 2018-01-03 00:03:00 0
4 2018-01-03 00:04:00 0
5 2018-01-03 00:05:00 2
6 2018-01-03 00:06:00 0
7 2018-01-03 00:07:00 1
8 2018-01-03 00:08:00 0
9 2018-01-03 00:09:00 0
10 2018-01-03 00:10:00 0
11 2018-01-03 00:11:00 0
12 2018-01-03 00:12:00 0
13 2018-01-03 00:13:00 0
14 2018-01-03 00:14:00 0
15 2018-01-03 00:15:00 0
16 2018-01-03 00:16:00 3
17 2018-01-03 00:17:00 0
18 2018-01-03 00:18:00 0
19 2018-01-03 00:19:00 0
20 2018-01-03 00:20:00 0
我将以下函数应用于df的每一行,以计算接下来10分钟内的事件数
def count_events(a, time_diff):
temp_df = a[(a['timestamp'] > time_diff)& (a['timestamp'] <=(time_diff + pd.Timedelta(minutes=10)))]
events = sum(temp_df['counter'])
return events
for i in range(len(a)):
a['no_of_events'][i] = count_events(a, a['timestamp'][i])
输出为(这是正确的输出):
timestamp counter no_of_events
0 2018-01-03 00:00:00 0 3
1 2018-01-03 00:01:00 0 3
2 2018-01-03 00:02:00 0 3
3 2018-01-03 00:03:00 0 3
4 2018-01-03 00:04:00 0 3
5 2018-01-03 00:05:00 2 1
6 2018-01-03 00:06:00 0 4
7 2018-01-03 00:07:00 1 3
8 2018-01-03 00:08:00 0 3
9 2018-01-03 00:09:00 0 3
10 2018-01-03 00:10:00 0 3
11 2018-01-03 00:11:00 0 3
12 2018-01-03 00:12:00 0 3
13 2018-01-03 00:13:00 0 3
14 2018-01-03 00:14:00 0 3
15 2018-01-03 00:15:00 0 3
16 2018-01-03 00:16:00 3 0
17 2018-01-03 00:17:00 0 0
18 2018-01-03 00:18:00 0 0
19 2018-01-03 00:19:00 0 0
20 2018-01-03 00:20:00 0 0
答案 0 :(得分:0)
正如人们在评论中所建议的那样,rolling是最好的方法。似乎您要从该行开始向前滚动,但是rolling
会向后滚动。您可以使用.iloc[::-1]
解决此问题,即反转数据框的行,并在滚动操作之后再次使用它以正确的顺序放回它们。
b = a.iloc[::-1].rolling(10, on='timestamp', min_periods=1).sum().iloc[::-1]
b
是:
timestamp counter
0 2018-01-03 00:00:00 3.0
1 2018-01-03 00:01:00 3.0
2 2018-01-03 00:02:00 3.0
3 2018-01-03 00:03:00 3.0
4 2018-01-03 00:04:00 3.0
5 2018-01-03 00:05:00 3.0
6 2018-01-03 00:06:00 1.0
7 2018-01-03 00:07:00 4.0
8 2018-01-03 00:08:00 3.0
9 2018-01-03 00:09:00 3.0
10 2018-01-03 00:10:00 3.0
11 2018-01-03 00:11:00 3.0
12 2018-01-03 00:12:00 3.0
13 2018-01-03 00:13:00 3.0
14 2018-01-03 00:14:00 3.0
15 2018-01-03 00:15:00 3.0
16 2018-01-03 00:16:00 3.0
17 2018-01-03 00:17:00 0.0
18 2018-01-03 00:18:00 0.0
19 2018-01-03 00:19:00 0.0
20 2018-01-03 00:20:00 0.0
要排除当前时间戳,可以使用shift将计数器列移动1个位置。只要做:
a['counter'] = a['counter'].shift(-1)
在使用rolling
之前。