2.11 Swift 3 理解Range和Collection的关系

Posted 2023-04-30

参考技术A 在之前Swift操作符的内容里，我们曾经提到了两个和范围有关的的操作符：

实际上，这两个区间操作符在Swift中，是通过两个struct来实现的，叫做CountableRange和CountableClosedRange，它们都遵从Comparable和Strideable protocol。

其中：

只有半开半闭区间可以表达“空区间”的概念，例如：5 ..< 5，而5 ... 5则包含一个元素5；
只有闭区间可以包含区间位置的最大值，例如：1 ... Int.max，而1 ..< Int.max则表示1 ... (Int.max - 1)；
这是Swift 3对range操作符的一个改进，在Swift 2中，闭区间是通过半开半闭区间模拟出来的。因此，实际上你没法在Swift 2中表达[1, Int.max]这个范围。为了解决这个问题，在Swift 2中还特别加入了两个类型：HalfOpenInterval和ClosedInterval这两个类型来表达正确的范围，但是在Swift 3里，它们已经被删掉了。

之所以这两个range操作符背后的类型都用Countable开头，意思是指它们是可以被迭代的，也就是可以从头到尾计算范围的值。例如：

这样，Swift就会从1打印到5。

既然有CountableRange，就不难联想到，是否有uncountable的版本呢？实际上，的确是存在的。只是，它们仅能表示一个区间，但我们不能遍历它。来看下面的例子：

这时，Swift编译器就会提示我们ClosedRange<Double>没有遵从Sequence protocol。于是，uncountable的版本就出现了，就是这个ClosedRange。当然还有一个uncountable的半开半闭区间的类型，叫做Range。

为了遍历这样的浮点数区间，我们只能用stride(from:to:by:)和stride(from:though:by:)来指定起始、结束范围以及步进值。前者，类似于半开半闭区间，后者类似于闭区间：

于是，按照一个区间可以表示的范围，以及它是否可以被遍历，实际上Swift中一共有4种不同的区间类型：

相信在后续的Swift版本里，还会对这一系列区间类型进行改进和优化。但至少现在，它还是会给我们带来一些麻烦。对于一个接受Range<T>类型参数的函数来说，我们甚至无法传递一个ClosedRange<T>类型的对象。

为什么会这样呢？其实，和(Closed)Range无法通过for循环遍历一样，我们无从根据一个CloseRange<T>的结束位置，找到闭区间结束位置的上一个位置，因此，这种转换是无法完成的。如果从Swift语言的角度来说，就是，(Closed)Range仅仅实现了Comparable protocol，而没有实现Strideable protocol。

因此，面对这类情况，我们只能自己根据ClosedRange<T>计算需要的范围，再重新创建正确的Range<T>对象。

如何理解熊猫重采样方法中的封闭和标签参数？

【中文标题】如何理解熊猫重采样方法中的封闭和标签参数？

【英文标题】：how to understand closed and label arguments in pandas resample method?

【发布时间】：2018-06-28 15:46:09

【问题描述】：

基于此处的 pandas 文档：Docs

还有例子：

>>> index = pd.date_range('1/1/2000', periods=9, freq='T')
>>> series = pd.Series(range(9), index=index)
>>> series
2000-01-01 00:00:00    0
2000-01-01 00:01:00    1
2000-01-01 00:02:00    2
2000-01-01 00:03:00    3
2000-01-01 00:04:00    4
2000-01-01 00:05:00    5
2000-01-01 00:06:00    6
2000-01-01 00:07:00    7
2000-01-01 00:08:00    8
Freq: T, dtype: int64

重采样后：

>>> series.resample('3T', label='right', closed='right').sum()
2000-01-01 00:00:00     0
2000-01-01 00:03:00     6
2000-01-01 00:06:00    15
2000-01-01 00:09:00    15

在我看来，重新采样后的 bin 应该是这样的：

=========bin 01=========
2000-01-01 00:00:00    0
2000-01-01 00:01:00    1
2000-01-01 00:02:00    2

=========bin 02=========
2000-01-01 00:03:00    3
2000-01-01 00:04:00    4
2000-01-01 00:05:00    5

=========bin 03=========
2000-01-01 00:06:00    6
2000-01-01 00:07:00    7
2000-01-01 00:08:00    8

我在这一步上正确吗？？

所以.sum之后我觉得应该是这样的：

2000-01-01 00:02:00     3
2000-01-01 00:05:00    12
2000-01-01 00:08:00    21

我只是不明白它是怎么出来的：

2000-01-01 00:00:00 0

（因为在这种情况下，label='right', 2000-01-01 00:00:00 不能是任何 bin 的任何右边缘）。

2000-01-01 00:09:00 15

（原始系列中甚至不存在标签 2000-01-01 00:09:00。

【问题讨论】：

不，closed='right' 表示它是另一种方式。

@JohnE 感谢您的回复。我理解 closed=right 意味着右边缘包含在间隔中。你能告诉我series.resample('3T', label='right', closed='right')重新采样后的3个箱子是什么样子吗？我认为2000-01-01 00:00:00 0 不应该出现在.sum 之后。

我以为我已经在回答中解决了这个问题，但我会尽量让它更清楚

我认为这是因为您正在使用“3T”重新采样，这表示每个样本的时间为 3 分钟，而不是 3 行

【参考方案1】：

根据 JohnE 的回答，我整理了一个有用的信息图，可以一劳永逸地解决这个问题：

【参考方案2】：

重采样是通过首先生成一个栅格来执行的，该栅格是一系列瞬间（不是周期、间隔、持续时间），并且它独立于“标签”和“闭合”参数来完成，这一点很重要。它仅使用“freq”参数和“loffset”。在您的情况下，系统将生成以下栅格：

2000-01-01 00:00:00
2000-01-01 00:03:00
2000-01-01 00:06:00
2000-01-01 00:09:00

请再次注意，目前没有区间或周期方面的解释。你可以使用'loffset'来移动它。

然后系统将使用'close'参数在两个选项中进行选择：

（开始，结束]

[开始，结束）

这里的 start 和 end 是栅格中两个相邻的时间戳。 'label' 参数用于选择是否使用 start 或 end 作为间隔的代表。

在您的示例中，如果您选择 closed='right' 那么您将获得以下间隔：

( previous_interval , 2000-01-01 00:00:00] - 0
(2000-01-01 00:00:00, 2000-01-01 00:03:00] - 1,2,3
(2000-01-01 00:03:00, 2000-01-01 00:06:00] - 1,2,3
(2000-01-01 00:06:00, 2000-01-01 00:09:00] - 4,5,6
(2000-01-01 00:09:00, next_interval ] - 7,8

请注意，在您聚合这些间隔内的值后，结果会根据“标签”参数显示为两个版本，也就是说，相同的间隔是否由其左侧或右侧时间戳表示。

【参考方案3】：

简答：如果你使用closed='left' 和loffset='2T'，那么你会得到你所期望的：

series.resample('3T', label='left', closed='left', loffset='2T').sum()

2000-01-01 00:02:00     3
2000-01-01 00:05:00    12
2000-01-01 00:08:00    21

长答案：（或者为什么你得到的结果是正确的，考虑到你使用的参数）这可能从文档中不清楚，但在这个设置中打开和关闭是关于严格与非- 严格的不等式（例如< vs <=）。

一个例子应该可以清楚地说明这一点。使用示例中的内部间隔，这与更改 closed 的值不同：

closed='right' =>  ( 3:00, 6:00 ]  or  3:00 <  x <= 6:00
closed='left'  =>  [ 3:00, 6:00 )  or  3:00 <= x <  6:00

您可以在许多地方找到区间符号（括号与括号）的解释，例如这里： https://en.wikipedia.org/wiki/Interval_(mathematics)

label 参数仅控制显示左侧 (3:00) 还是右侧 (6:00)，而不影响结果本身。

另请注意，您可以使用loffset 参数（应作为时间增量输入）更改间隔的起点。

回到示例，我们只将标签从“右”更改为“左”：

series.resample('3T', label='right', closed='right').sum()

2000-01-01 00:00:00     0
2000-01-01 00:03:00     6
2000-01-01 00:06:00    15
2000-01-01 00:09:00    15

series.resample('3T', label='left', closed='right').sum()

1999-12-31 23:57:00     0
2000-01-01 00:00:00     6
2000-01-01 00:03:00    15
2000-01-01 00:06:00    15

如您所见，结果是一样的，只是索引标签发生了变化。 Pandas 只允许您显示右侧或左侧标签，但如果它显示 both，那么它看起来像这样（下面我使用标准索引符号，其中左侧的 ( 表示打开并且右侧]表示关闭）：

( 1999-12-31 23:57:00, 2000-01-01 00:00:00 ]   0   # = 0
( 2000-01-01 00:00:00, 2000-01-01 00:03:00 ]   6   # = 1+2+3
( 2000-01-01 00:03:00, 2000-01-01 00:06:00 ]  15   # = 4+5+6
( 2000-01-01 00:06:00, 2000-01-01 00:09:00 ]  15   # =   7+8

请注意，第一个 bin (23:57:00,00:00:00] 不为空，只是它包含一行并且该行中的值为零。如果将“sum”更改为'count' 这变得更加明显：

series.resample('3T', label='left', closed='right').count()

1999-12-31 23:57:00    1
2000-01-01 00:00:00    3
2000-01-01 00:03:00    3
2000-01-01 00:06:00    2

【讨论】：

您知道如何将重新采样日期作为新列分配给原始数据框吗？例如，300*24 行，日期列来自%Y-%m-%d %H（每小时 300 天）。我需要每 7 天 groupby 他们，最后一天锚到今天，以 7* 24 回滚。因为某些原因我不能使用 resample.agg ，所以我需要将重新采样的日期列设置回原始数据框

@Mithril 这是一个有趣的问题，您可能想发布一个新问题以获得一个好的和具体的答案。在我的脑海中，我可以看到 2 种替代方法：(1) 使用 merge_asof 合并回原始数据，或者 (2) 使用 interpolate

而不是重新采样