基于一列将时间序列分成大小相等的“切片”

Question

我有一个包含 3 个传感器的时间序列，其中一个是告诉我转数的接近开关。

根据机器旋转的速度，此传感器中“光点”的时间距离会发生变化，但是，无论这些光点相距多远，我都想将它们之间发生的所有数据划分为10 个相同大小的块。

我知道确切的行数可能不能被 10 整除，但这没关系。

  Timestamp     Sensor_1  Sensor_2  Sensor_3
1636496284130    60.875    35.946       0
1636496284132    58.467    33.889       0
1636496284134    58.668    37.253       0
1636496284136    57.966    30.540       0
1636496284138    56.712    33.254       0

我希望生成的 DataFrame 有一个额外的 Label 列，其中包含正在发生的时间间隔。

  Timestamp     Sensor_1  Sensor_2  Sensor_3    Label
1636496284130    60.875    35.946       0         A
1636496284132    58.467    33.889       0         A
1636496284134    58.668    37.253       0         A
1636496284136    57.966    30.540       0         A
1636496284138    56.712    33.254       0         A

这是我想要达到的目标的视觉效果。

Answer 1

我最终做的是基于 Sensor_3 将 DataFrame 分解为一系列更小的块。由于它先升后降，我所做的只是检测它何时下降并将其视为布尔标志。

def sensor3flag(val):
    if val >= 0:
        return 0
    else:
        return 1


df['Sensor_3_diff'] = df['Sensor_3'].diff().bfill(0).apply(lambda x:sensor3flag(x))

然后我继续创建了一个包含“Sensor_3_diff”== 1 时所有索引的帮助列表。

df_locs = dfi[dfi['Sensor_3_diff'] == 1]

locList = list(df_locs.index)
locList.insert(0,0)

最后，我将遍历该索引列表并相应地对主 DataFrame 进行切片，然后根据切片的长度将这些切片中的每一个拆分为 10 个相等的部分。最后将其附加到另一个最终数据帧。

（labelAssigner()是一个方法，它接受两个参数，并根据它们返回一个标签。第一个参数是记录的索引，第二个是切片DataFrame的大小）

df_final = pd.DataFrame()

for i in range(0,len(locList)-1):
    sl = dfi.iloc[locList[i]:locList[i+1]]
    sl.reset_index(inplace=True, drop=True)
    sl['Index'] = sl.index
    sl['Label'] = sl['Index'].apply(lambda x:labelAssigner(x, sl.shape[0]))
    df_final = df_final.append(sl)

Answer 2

使用bins 和labels 转换时间戳to_datetime 和cut。

这里我使用了 2 个 bin 来存储样本数据：

df['Label'] = pd.cut(pd.to_datetime(df['Timestamp']), bins=2, labels=list('AB'))

#        Timestamp  Sensor_1  Sensor_2  Sensor_3  Label
# 0  1636496284130    60.875    35.946         0      A
# 1  1636496284132    58.467    33.889         0      A
# 2  1636496284134    58.668    37.253         0      A
# 3  1636496284136    57.966    30.540         0      B
# 4  1636496284138    56.712    33.254         0      B

Answer 3

假设 df 是您的输入数据框，并且您想将其拆分为 n_parts（即，为了演示，只有 2 个）：

# Number of equally sized blocks
n_parts = 2

# Number of blocks needed to achieve that
n_blocks = df.shape[0] / n_parts

df['Label'] = ['{}'.format(i//n_blocks) for i in range(0, df.shape[0])]

# Output
    Timestamp       Sensor_1    Sensor_2    Sensor_3    Label
0   1636496284130   60.875       35.946        0        0.0
1   1636496284132   58.467       33.889        0        0.0
2   1636496284134   58.668       37.253        0        0.0
3   1636496284136   57.966       30.540        0        1.0
4   1636496284138   56.712       33.254        0        1.0

//（楼层运算符）确保在当前 i 小于 n_blocks 时获得相同的标签：

# n_blocks is 2.5 here, therefore at i=3 we will see the value 1.0

print(['{}'.format(i//n_blocks) for i in range(0, df.shape[0])])

['0.0', '0.0', '0.0', '1.0', '1.0']