Python Pandasを初めて使用しています。csv形式の5分のラグトラフィックデータがあります:
...
2015-01-04 08:29:05,271238
2015-01-04 08:34:05,329285
2015-01-04 08:39:05,-1
2015-01-04 08:44:05,260260
2015-01-04 08:49:05,263711
...
いくつかの問題があります:
定期的な時系列を取得したいので、5分ごとに(正確に)エントリーを入力します(値の欠落はありません)。次のコードを使用して時系列を正常に補間し、このコードで-1の値を概算しました。
ts = pd.TimeSeries(values, index=timestamps)
ts.interpolate(method='cubic', downcast='infer')
観測の頻度を補間および正則化するにはどうすればよいですか?助けてくれてありがとう。
変更 -1
sからNaNへ:
ts[ts==-1] = np.nan
次に、データをリサンプリングして5分の頻度にします。
ts = ts.resample('5T')
デフォルトでは、2つの測定値が同じ5分の期間内にある場合、resample
は値を平均します。
最後に、時間に従って時系列を線形補間することができます。
ts = ts.interpolate(method='time')
データには既に約5分の頻度があるように見えるため、3次補間またはスプライン補間で曲線を滑らかにするために、より短い頻度でリサンプリングする必要がある場合があります。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
values = [271238, 329285, -1, 260260, 263711]
timestamps = pd.to_datetime(['2015-01-04 08:29:05',
'2015-01-04 08:34:05',
'2015-01-04 08:39:05',
'2015-01-04 08:44:05',
'2015-01-04 08:49:05'])
ts = pd.Series(values, index=timestamps)
ts[ts==-1] = np.nan
ts = ts.resample('T').mean()
ts.interpolate(method='spline', order=3).plot()
ts.interpolate(method='time').plot()
lines, labels = plt.gca().get_legend_handles_labels()
labels = ['spline', 'time']
plt.legend(lines, labels, loc='best')
plt.show()