pandas - 是否可以在不迭代的情况下拆分可变周期熊猫时间序列数据对象?
问题描述
我需要拆分具有可变周期的周期性数据。我需要检测每一个急剧上升,将每一个分成自己的系列,然后将所有循环叠加在一起进行统计分析。我打算通过遍历一个 python 数组来做到这一点(并且可能仍然如此),但想给 pandas 一个机会。似乎这将是对周期性数据的相当标准的操作(虽然不确定动态周期)。
堆栈溢出的聪明人说不要在这个问题中遍历熊猫对象。它是否比遍历标准 python 数组更糟糕。我应该知道的任何工具或词汇可以为我指明正确的方向?
解决方案
事实证明,这被称为动态时间扭曲,并不是微不足道的。
除了 Pandas,dtw-python是一个开始的地方。
推荐阅读
- django - 如何使用 Django Rest Framework ReadOnlyModelViewSet 获取“数据”而不是“结果”?
- azure-log-analytics - 基于日期查询的 Azure 日志分析
- php - Netsuite PHP Toolkit - 保存的搜索返回所有数据,而不是选定的列
- bash - 如何在 ssh pkill bash 命令中正确转义双引号?
- npm - 使用 Inquirer 时,“List”和“Rawlist”有什么区别
- laravel - Laravel 性能:数据透视表
- tomcat8 - 使用stock http的tomcat8 - 错误读取请求,被忽略
- sap - 如何在 HANA 脚本计算视图中检查多个值的输入参数的值
- javascript - d3.js v5 - 从 SVG 读取元素
- javascript - 在单独的对象中查找匹配值