python-将多个时间序列数据组合到一个2d numpy数组
作者:互联网
我有一年中来自三个不同传感器的时间序列数据,这些传感器大约每3分钟产生一个数据点,传感器不同步,因此它们在彼此相对的不同时间产生一个数据点输出.
该数据位于一个大约有500万条记录的表的sqlite db中.我打算使用javascript图表库dygraph显示此数据,我已经通过按传感器名称执行sql查询并分别保存到csv来分别为每个传感器生成了时间序列图.我希望有一个图表显示所有数据点,并用一条线代表每个传感器.
我创建了一个名为’minutes_array’的字符串类型的numpy 2d数组,第一列为unix时间戳,四舍五入到从传感器时间序列开始到结束的每一分钟的最近分钟,并用三个空列填充每个列中的数据可用的3个传感器中的一个.
minutes_array
[['1316275620' '' '' '']
['1316275680' '' '' '']
['1316275740' '' '' '']
...,
['1343206920' '' '' '']
['1343206980' '' '' '']
['1343207040' '' '' '']]
然后,将传感器时间序列数据也四舍五入到最接近的分钟,我使用numpy.in1d并从上述“ minutes_array”和“ sensor_data”数组中获取时间戳,并为与该传感器相关的记录创建掩码.
sensor_data
[['1316275680' '215.2']
['1316275860' '227.0']
['1316276280' '212.2']
...,
['1343206380' '187.7']
['1343206620' '189.4']
['1343206980' '192.9']]
mask = np.in1d(minutes_array[:,0], sensor_data[:,0])
[False True False ..., False True False]
然后,我希望修改minutes_array中对于该掩码正确的记录,并将sensor_data值放置在minutes_array中时间戳之后的第一列中.从我的尝试来看,在将其应用于蒙版时似乎无法更改原始的“ minutes_array”,有没有办法在numpy中实现此结果而无需单独使用for循环和匹配时间戳?
解决了
根据来自@eumiro的以下答案,我使用了solution from the Pandas Docs和上述的’sensor_data’numpy数组
sensors = ['s1','s2','s3']
sensor_results = {}
for sensor in sensors:
sensor_data = get_array(db_cursor, sensor)
sensor_results[sensor] = pd.Series(sensor_data[:,1], \
index=sensor_data[:,0])
df = pd.DataFrame(buoy_results)
df.to_csv("output.csv")
解决方法:
五百万不是一个无法用python字典管理的数字.
从数据库中读取所有传感器的数据,填写字典,然后构建一个numpy数组,甚至更好的是,将其转换为pandas.DataFrame:
import pandas as pd
inp1 = [(1316275620, 1), (1316275680, 2)]
inp2 = [(1316275620, 10), (1316275740, 20)]
inp3 = [(1316275680, 100), (1316275740, 200)]
inps = [('s1', inp1), ('s2', inp2), ('s3', inp3)]
data = {}
for name, inp in inps:
d = data.setdefault(name, {})
for timestamp, value in inp:
d[timestamp] = value
df = pd.DataFrame.from_dict(data)
df现在是:
s1 s2 s3
1316275620 1 10 NaN
1316275680 2 NaN 100
1316275740 NaN 20 200
标签:pandas,time-series,python,numpy 来源: https://codeday.me/bug/20191101/1980604.html