python - 将时间序列中的时间戳转换为相同的索引

Question

我有一个数据框，每 5 分钟包含一个时间戳，每个 ID 都有一个值。现在，我需要执行一些分析，我想在同一个时间窗口上绘制所有时间序列。我的数据框类似于这个：

ID      timestamp                           value
 12345    2017-02-09 14:35:00               60.0
 12345    2017-02-09 14:40:00               62.0
 12345    2017-02-09 14:45:00               58.0
 12345    2017-02-09 14:50:00               60.0
 54321    2017-03-09 13:35:00               50.0 
 54321    2017-03-09 13:40:00               58.0 
 54321    2017-03-09 13:45:00               59.0 
 54321    2017-03-09 13:50:00               61.0 

例如，在 xy 轴上，我需要使用 x=0 值作为每个 ID 的第一个时间戳，并使用 x=1 作为 5 分钟后的第二个时间戳，依此类推。到目前为止，我使用以下代码每 5 分钟正确重新采样一次：

df = df.set_index('Date').resample('5T').mean().reset_index()

但是，鉴于每个 ID 都以不同的时间戳开始，我不知道如何修改时间戳以便使用每个 ID 的第一个测量日期作为时间戳 0，并且每 5 分钟的每个下一个时间戳作为时间戳 1，时间戳2、timestamp 3、ecc，以绘制每个ID的序列以图形化的方式面对它们。样本最终 df 可能是：

 ID      timestamp       value
 12345    0               60.0
 12345    1               62.0
 12345    2               58.0
 12345    3               60.0
 54321    0               50.0 
 54321    1               58.0 
 54321    2               59.0 
 54321    3               61.0 

使用这个数据框，是否可以绘制在同一点开始和结束的所有系列？从 0 开始，3 天后结束。如何创建如此不同的时间戳并在同一个图中为每个 ID 绘制每个系列？非常感谢你

标签： pythonpandas

Answer 1

首先以 5 分钟间隔创建一个带有时间戳编号的新列。

df['ts_number'] = df.groupby(['ID']).timestamp.apply(lambda x: (x - x.min())/pd.Timedelta(minutes=5))

如果您事先知道所有时间戳都以 5 分钟为间隔并且已排序，那么您也可以使用

df['ts_number'] = df.groupby(['ID']).cumcount()

然后绘制透视数据：

df.pivot('ts_number', 'ID', 'value').plot()