Python：通过非整数比例因子重新缩放熊猫中的时间序列

Posted 2023-03-12

【中文标题】Python：通过非整数比例因子重新缩放熊猫中的时间序列

【英文标题】：Python: Rescale time-series in pandas by non-integer scale-factor

【发布时间】：2016-01-06 18:42:24

【问题描述】：

我不知道这在 Pandas 中是否可行。我认为df.resample 可以完成这项工作，但没有。这是我的目标：

我在DataFrame、df 中有一个时间序列，如下所示：

            return
12:30:00 -0.000202
12:30:01 -0.000257
12:30:02 -0.000230
12:30:03 -0.000229
12:30:04 -0.000253
...
12:59:49  0.001491
12:59:50  0.001523
12:59:51  0.001503
12:59:52  0.001484
12:59:53  0.001513
12:59:54  0.001523
12:59:55  0.001527
12:59:56  0.001545
12:59:57  0.001532
12:59:58  0.001535
12:59:59  0.001566
13:00:00  0.001605

剧情如下：

现在您可以看到时间从12:30:00 to 13:00:00 开始。我想重新缩放或拉伸这个时间序列以从12:30:00 to 14:15:00 获得观察结果。因此，我需要在我的原始时间序列中再添加 3.5 个条目......因此，对于我的时间序列中的每个观察，重复条目要多 3.5 倍。如果它只有 3 次，那么我会将我的数据转换为数组并使用np.reshape()，然后重新分配时间索引，但这在这种特殊情况下不起作用。有什么建议吗？

【问题讨论】：

您想重新采样，对非整数时间点进行插值。您将需要一些信号处理或统计插值库。您需要决定/试验您选择的插值函数。

是的，我明白你在插值中的意思。问题是我不知道如何采用分布在 30 分钟和 1 小时 45 分钟的时间序列，nan 在数字之间。那么之后使用插值就变得容易了。

【参考方案1】：

您可以将日期时间转换为 unix 纪元，乘以您的比例因子，然后再转换回来（使用 How to get unix timestamp from numpy.datetime64 进行纪元计算）

df['epoch'] = df.index.astype(np.int64) // 10 ** 9     
start_epoch = df.epoch.iloc[0]
df['epochdelta']= df['epoch'] - start_epoch
df['newindex'] = pd.to_datetime((df.epochdelta * 3.5 + start_epoch),unit='s') 

【讨论】：

很酷的建议！谢谢。明天我会在我回到办公室并回复你的时候尝试。

将epoch计算为“df['epoch'] = df.index.astype(np.int64)// 10 ** 9”要快很多

感谢@Miro 是的，这更好，我已经编辑了我的答案！