根据预期间隔获取数据集中缺失时间戳的计数

Question

我有一个数据集，该数据集由应每 15 分钟记录并返回的压力时间戳读数组成。下面的示例数据表明数据集中存在大于 15 分钟的间隙

我一直在尝试找到一种方法来添加计数列，该列计算接收到的读数之间缺少多少读数，例如 15 分钟间隔 = 0（错过读数），半小时间隔 = 1（错过阅读）和 45 分钟的间隔 = 2，等等。

在这个阶段，我没有任何想要展示的代码，因为我还有很长的路要走，虽然我一直在解决这篇文章，但仍然没有成功。 How Can I Detect Gaps and Consecutive Periods In A Time Series In Pandas

任何指针将不胜感激

Place             date       pressure (m)
Somewhere   01/09/2019 00:00    34
Somewhere   01/09/2019 00:30    34
Somewhere   01/09/2019 00:45    34
Somewhere   01/09/2019 01:15    34
Somewhere   01/09/2019 01:30    34
Somewhere   01/09/2019 02:15    34
Somewhere   01/09/2019 02:30    34
Somewhere   01/09/2019 02:45    34
Somewhere   01/09/2019 03:15    34
Somewhere   01/09/2019 03:30    34
Somewhere   01/09/2019 03:45    34.5
Somewhere   01/09/2019 04:00    34
Somewhere   01/09/2019 04:15    34
Somewhere   01/09/2019 06:45    33.5
Somewhere   01/09/2019 07:00    33.5
Somewhere   01/09/2019 07:30    34

Answer 1

使用pd.to_datetime将date列转换为pandas日期时间序列，然后使用Series.diff计算日期之间的连续差异，然后将这个差异除以pd.Timedelta，间隔为15min，最后使用.fillna 用0 填充NaN 值：

df['date'] = pd.to_datetime(df['date'])
df['gap'] = (df['date'].diff() / pd.Timedelta(minutes=15)).sub(1).fillna(0)

结果：

# print(df)

        Place                date  pressure (m)  gap
0   Somewhere 2019-01-09 00:00:00          34.0  0.0
1   Somewhere 2019-01-09 00:30:00          34.0  1.0
2   Somewhere 2019-01-09 00:45:00          34.0  0.0
3   Somewhere 2019-01-09 01:15:00          34.0  1.0
4   Somewhere 2019-01-09 01:30:00          34.0  0.0
5   Somewhere 2019-01-09 02:15:00          34.0  2.0
6   Somewhere 2019-01-09 02:30:00          34.0  0.0
7   Somewhere 2019-01-09 02:45:00          34.0  0.0
8   Somewhere 2019-01-09 03:15:00          34.0  1.0
9   Somewhere 2019-01-09 03:30:00          34.0  0.0
10  Somewhere 2019-01-09 03:45:00          34.5  0.0
11  Somewhere 2019-01-09 04:00:00          34.0  0.0
12  Somewhere 2019-01-09 04:15:00          34.0  0.0
13  Somewhere 2019-01-09 06:45:00          33.5  9.0
14  Somewhere 2019-01-09 07:00:00          33.5  0.0
15  Somewhere 2019-01-09 07:30:00          34.0  1.0