按时间间隔分组消息

Question

我目前正在尝试对按 1 秒时间间隔发送的消息进行分组。我目前正在计算时间延迟：

def time_deltas(infile): 
entries = (line.split() for line in open(INFILE, "r")) 
ts = {}
for e in entries: 
    if " ".join(e[2:5]) == "T out: [O]": 
        ts[e[8]] = e[0]    
    elif " ".join(e[2:5]) == "T in: [A]":    
        in_ts, ref_id = e[0], e[7] 
        out_ts = ts.pop(ref_id, None) 
        yield (float(out_ts),ref_id[1:-1],(float(in_ts)*1000 - float(out_ts)*1000))

INFILE = 'C:/Users/klee/Documents/test.txt'
import csv 

with open('test.csv', 'w') as f: 
csv.writer(f).writerows(time_deltas(INFILE)) 

但是我想计算每秒发出的“T in: [A]”消息的数量，并且一直在尝试使用它来做到这一点：

import datetime
import bisect
import collections

data=[ (datetime.datetime(2010, 2, 26, 12, 8, 17), 5594813L), 
  (datetime.datetime(2010, 2, 26, 12, 7, 31), 5594810L), 
  (datetime.datetime(2010, 2, 26, 12, 6, 4) , 5594807L),
]
interval=datetime.timedelta(seconds=50)
start=datetime.datetime(2010, 2, 26, 12, 6, 4)
grid=[start+n*interval for n in range(10)]
bins=collections.defaultdict(list)
for date,num in data:
idx=bisect.bisect(grid,date)
   bins[idx].append(num)
for idx,nums in bins.iteritems():
print('{0} --- {1}'.format(grid[idx],len(nums)))

可以在这里找到：Python: group results by time intervals

（我意识到这些单位会按照我的意愿关闭，但我只是在研究总体思路......）

到目前为止，我大多不成功，希望能提供任何帮助。

另外， 数据显示为：

082438.577652 - T in: [A] accepted. ordID [F25Q6] timestamp [082438.575880] RefNumber [6018786] State [L]

Answer 1

假设您希望将您的数据按 1 秒间隔内发布的数据进行分组，我们可以利用您的数据是有序的，int(out_ts) 将时间戳截断到秒，我们可以将其用作分组键。

进行分组的最简单方法是使用itertools.groupby:

from itertools import groupby

data = get_time_deltas(INFILE)  
get_key = lambda x: int(x[0])  # function to get group key from data
bins = [(k, list(g)) for k, g in groupby(data, get_key)]

bins 将是一个元组列表，其中元组中的第一个值是键（整数，例如082438），第二个值是在那一秒发出的数据条目列表（带有时间戳=082438.*)。

示例用法：

# print out the number of messages for each second
for sec, data in bins:
    print('{0} --- {1}'.format(sec, len(data)))

# write (sec, msg_per_sec) out to CSV file
import csv
with open("test.csv", "w") as f:
    csv.writer(f).writerows((s, len(d)) for s, d in bins)

# get average message per second
message_counts = [len(d) for s, d in bins]
avg_msg_per_second = float(sum(message_count)) / len(message_count)

附：在此示例中，list 用于bins，以便保持数据的顺序。如果您需要随机访问数据，请考虑改用OrderedDict。

---

请注意，将解决方案调整为按秒的倍数分组是相对简单的。例如，要按每分钟（60 秒）的消息进行分组，请将 get_key 函数更改为：

get_key = lambda x: int(x[0] / 60)  # truncate timestamp to the minute

Answer 2

如果您的网格不基于对分的时间间隔，这会更容易。

相反，请执行此操作。将每个区间转换为单个数字。

def map_time_to_interval_number( epoch, times )
    for t in times:
        delta= (t - epoch)
        delta_t= delta.days*60*60*24 + delta.seconds + delta.microseconds/1000000.0
        interval = delta_t / 50
        yield interval, t

counts = defaultdict( int )
epoch = min( data ) 
for interval, time in map_time_to_interval_number( epoch, data ):
    counts[interval] += 1

间隔将是一个整数。 0 是第一个 50 秒间隔。 1 是第二个 50 秒间隔。等等

知道每个间隔为 50 秒宽并从纪元开始，您可以根据间隔重建时间戳。