时间戳微小方差的时间序列求和

Question

我想我有几个时间序列，如下所示，来自不同的“来源”：

       time     events
0      1000    1080000
1      2003    2122386
2      3007    3043985
3      4007    3872544
4      5007    4853763

这里，每1000毫秒采样一次单调递增的计数事件。抽样并不准确，因此大多数时间戳与其理想值相差几毫秒--例如，第二个点是在2003年而不是2000年。

我想总结其中的几个时间序列:它们都将在1000毫秒左右取样，但可能不同意精确的毫秒数。例如，另一个时间序列可以是：

       time     events
0      1000    1070000
1      2002    2122486
2      3006    3063985
3      4007    3872544
4      5009    4853763

根据最终结果，我想要一些合理的东西。例如，每个输入数据的行数与每个输入数据相同，一个时间戳列与第一个或输入时间的平均值相同。只要输入是平滑的，输出也应该是平滑的。

Answer 1

我建议DataFrame.reindex()用最近的方法。示例：

def combine_datasources(reference_df, extra_dfs, tolerance_ms=100):
    reindexed_df_list = [df.reindex(reference_df.index, method='nearest', tolerance=tolerance_ms) for df in extra_dfs]
    combined = pd.concat([reference_df, *reindexed_df_list])
    return combined.groupby(combined.index).sum()

combine_datasources(df_a, [df_b])

此代码更改extra_dfs列表中数据文件上的索引，以匹配引用数据的索引。然后，它将所有的数据连接在一起。它使用groupby来完成和，这要求索引完全匹配才能工作。时间戳将与引用dataframe上的时间戳相同。

请注意，如果您有来自引用dataframe未涵盖的时间段的数据，则该数据将被删除。

以下是您问题中数据集的输出：

       events
time         
1000  2150000
2003  4244872
3007  6107970
4007  7745088
5007  9707526