python - 按小时分组，同时考虑夏令时

Question

我正在查看一家 24 小时工作的工厂的轮班数据。我想在每次换班时对数据进行分组，即 6:00 和 18:00。到目前为止，我一直在尝试：

Data_Frame.groupby([pd.Grouper(freq='12H')]).count() 

但是我意识到，由于 freq 设置为 12H，它总是需要 12 个小时，包括夏令时。

不幸的是，即使时钟发生变化，它也始终是 6:00 和 18:00。这意味着实际上一年中有一个班次长达 11 小时，另一个班次长达 13 小时，因此在年中组的时间间隔为 1 小时。

我觉得这是一个非常基本的事情（夏令时），应该有某种方式告诉熊猫它需要考虑夏令时。

我尝试将其从 UTC 更改为欧洲/伦敦，但仍需要 12 小时。

非常感谢

编辑：

我发现这样做的唯一方法是，在使用 groupby 之前，将我的数据分成 3 个（在第一个小时更改之前，在小时更改期间，第二个小时更改之前）对每个单独使用 groupby，然后将它们重新组合在一起，但这既烦人又乏味所以任何比这更好的东西都会受到极大的赞赏。

标签： pythondatetimepandas-groupbydst

Answer 1

每小时和10 分钟的时区感知时间序列跨越春季dst 变化：

ts_hrly = pd.date_range('03-10-2018', '3-13-2018', freq='H', tz='US/Eastern')
ts_10m = pd.date_range('03-10-2018', '3-13-2018', freq='10T', tz='US/Eastern')

使用每小时数据

ts = ts_hrly
df = pd.DataFrame({'tstamp':ts,'period':range(len(ts))})

dst 转换如下所示：

>>> df[18:23]
    period                    tstamp
18      18 2018-03-11 00:00:00-05:00
19      19 2018-03-11 01:00:00-05:00
20      20 2018-03-11 03:00:00-04:00
21      21 2018-03-11 04:00:00-04:00
22      22 2018-03-11 05:00:00-04:00
>>>

为了在 06:00 和 18:00 的边界上分组为 12 小时增量，我将每个观察值分配给一个班次编号，然后按班次编号分组

我的数据方便地从换班开始，因此计算自第一次换班以来经过的时间：

nanosec = df['tstamp'].values - df.iloc[0,1].value

查找班次变化并用于np.cumsum()分配班次编号

shift_change = nanosec.astype(np.int64) % (3600 * 1e9 * 12)  == 0
df['shift_nbr'] = shift_change.cumsum()
gb = df.groupby(df['shift_nbr'])
for k,g in gb:
    print(f'{k} has {len(g)} items')

>>>
1 has 12 items
2 has 12 items
3 has 12 items
4 has 12 items
5 has 12 items
6 has 12 items

我还没有找到一种方法来补偿从轮班中间开始的数据。

如果您希望受 dst 更改影响的班次组具有 11 或 13 个项目，请将时区感知系列更改为时区朴素系列

df2 = pd.DataFrame({'tstamp':pd.to_datetime(ts.strftime('%m-%d-%y %H:%M')),'period':range(len(ts))})

使用相同的过程按班次编号分配和分组

nanosec = df2['tstamp'].values - df2.iloc[0,1].value
shift_change = nanosec.astype(np.int64) % (3600 * 1e9 * 12)  == 0
df2['shift_nbr'] = shift_change.cumsum()

for k,g in gb2:
    print(f'{k} has {len(g)} items')

>>>
1 has 12 items
2 has 11 items
3 has 12 items
4 has 12 items
5 has 12 items
6 has 12 items
7 has 1 items

不幸的是，pd.to_datetime(ts.strftime('%m-%d-%y %H:%M'))需要一些时间。这是使用时间戳的小时属性来计算经过的小时数的更快/更好的方法 - 无需创建单独的时区天真系列，小时属性似乎是unaware。它也适用于在班次中间开始的数据。

ts = pd.date_range('01-01-2018 03:00', '01-01-2019 06:00', freq='H', tz='US/Eastern')
df3 = pd.DataFrame({'tstamp':ts,'period':range(len(ts))})

shift_change = ((df3['tstamp'].dt.hour - 6) % 12) == 0
shift_nbr = shift_change.cumsum()

gb3 = df3.groupby(shift_nbr)

print(sep,'gb3')
for k,g in gb3:
    if len(g) != 12:
        print(f'shift starting {g.iloc[0,1]} has {len(g)} items')

>>>
shift starting 2018-01-01 03:00:00-05:00 has 3 items
shift starting 2018-03-10 18:00:00-05:00 has 11 items
shift starting 2018-11-03 18:00:00-04:00 has 13 items
shift starting 2019-01-01 06:00:00-05:00 has 1 items