对齐时间序列以从 0 开始而不是时间戳以进行比较

Question

我正在处理一个时间序列问题，我想匹配相似之处。由于我正在工作的时间序列有很多差距，我需要重新调整它以从 t0 - tn 开始，而不是实际的时间戳，以便它们对我的比较有用。

示例：
P1: (2019-12-22, 5, 0),(2019-12-24,3,1),(01-01-2020,2,0)
P2: (05-Jan-2020,5,0), (15-02-2020,4,1),(03-03-2020,3,0),(03-05-2020,5,1), (05-06-2020,2,0)

通过从 0 开始对齐：
P1: (t0, 5, 0),(t1,3,1),(t2,2,0)
P2: (t0,5,0), (t1,4,1),(t2,3,0),(t3,5,1),(t4,2,0)

对齐后从0开始到tn的系列看起来有点相似。此外，它们具有不等长和多变量序列。

目前，我正在为每组执行以下方法：

first_group_df["timestamp"] = pd.to_datetime(first_group_df["timestamp"]) # Create to datetime
first_group_df.sort_values(by="timestamp", inplace=True) # Sort it in the order of arrival
time_index = [i for i in range(0,len(first_group_df["timestamp"]))] # Index from 0 to number of datapoints
first_group_df["time_index"] = time_index #Add it as a column
first_group_df = first_group_df.set_index("time_index") #Make it index and then drop timestamp

是否有更好的方法将时间戳与整数索引对齐。我还认为排序后的简单 reset_index() 可能会起作用。我正在寻找更好的方法。

以下是其中一个 id 的参考示例数据框：

    pid  val  outcome            timestamp
0   112    5        1  22-12-2019 10:00:00
5   112    4        0  27-01-2020 11:00:00
10  112    2        1  29-01-2020 11:00:00
15  112    1        1  01-02-2020 10:00:00
20  112    5        1  01-03-2020 10:00:00

Answer 1

你可以使用Series.rank:

df['t'] = df['timestamp'].rank()

您没有指定的是如何对同一时间的行进行排名。 rank 函数接受 method 参数来处理关系。详情请查看文档。