python-尝试使用datetime64对象的Pandas系列检查数据频率
作者:互联网
我有一些时间序列数据,可以是1Hz,10Hz或100Hz.我加载的文件恰好是1Hz:
In [6]: data = pd.read_csv("ftp.csv")
In [7]: data.Time
Out[7]:
0 NaN
1 11:30:08 AM
2 11:30:09 AM
3 11:30:10 AM
4 11:30:11 AM
5 11:30:12 AM
6 11:30:13 AM
我将其转换为datetime:
In [8]: time = pd.to_datetime(data.Time)
In [9]: time
Out[9]:
0 NaT
1 2015-03-03 11:30:08
2 2015-03-03 11:30:09
3 2015-03-03 11:30:10
4 2015-03-03 11:30:11
5 2015-03-03 11:30:12
从这里如何验证采样频率是多少?我必须手动执行此操作还是可以使用内置的pandas方法?
解决方法:
转换为datetime64后的一种方法,如果频率采样率相同,则可以调用diff()计算应该相同的所有行之间的差异,并将其与np.timedelta64类型进行比较,因此对于您的样本数据而言是:
In [277]:
all(df.datetime.diff()[1:] == np.timedelta64(1, 's')) == True
Out[277]:
True
In [278]:
df.datetime.diff()
Out[278]:
0
1 NaT
2 00:00:01
3 00:00:01
4 00:00:01
5 00:00:01
6 00:00:01
Name: datetime, dtype: timedelta64[ns]
In [279]:
df.datetime.diff()[1:] == np.timedelta64(1, 's')
Out[279]:
0
2 True
3 True
4 True
5 True
6 True
Name: datetime, dtype: bool
要检查频率是10hz还是100hz,只需将单位更改为np.timedelta64,因此对于10hz:np.timedelta64(100,’ms’)和100hz:np.timedelta64(10,’ms’)
可以在以下位置找到np.timedelta64单位:http://docs.scipy.org/doc/numpy/reference/arrays.datetime.html#datetime-and-timedelta-arithmetic
标签:pandas,time-series,python 来源: https://codeday.me/bug/20191120/2045596.html