合并pandas中的两个时间间隔序列(交集)
合并pandas中的两个时间间隔序列(交集)
提问于 2020-04-09 15:41:05
我有多个时间间隔列表，我需要找到所有时间间隔(交集)的公共时间间隔。
例如。
a = [['2018-02-03 15:06:30', '2018-02-03 17:06:30'], # each line is read as [start, end]
['2018-02-05 10:30:30', '2018-02-05 10:36:30'],
['2018-02-05 11:30:30', '2018-02-05 11:42:32']]
b = [['2018-02-03 15:16:30', '2018-02-03 18:06:30'],
['2018-02-04 10:30:30', '2018-02-05 10:32:30']]
c = [['2018-02-01 15:00:30', '2018-02-05 18:06:30']]其结果将是
common_intv = [['2018-02-03 15:16:30','2018-02-03 17:06:30'],
['2018-02-05 10:30:30','2018-02-05 10:32:30']]我已经找到了this解决方案，应该也适用于时间间隔，但我想知道是否有更有效的方法来做熊猫。
链接中提出的解决方案将一次处理两个列表，即首先查找a和b之间的公共间隔，然后将这些公共间隔放入变量common中，然后查找common和c之间的公共间隔，依此类推……
当然，全局解决方案(同时考虑所有间隔)会更好！
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-04-09 17:19:22
您可以在两个方向上使用pandas.merge_asof来获得第一个选择，然后仔细清理结果行。代码可以是：
# build the dataframes and ensure Timestamp types
dfa = pd.DataFrame(a, columns=['start', 'end']).astype('datetime64[ns]')
dfb = pd.DataFrame(b, columns=['start', 'end']).astype('datetime64[ns]')
dfc = pd.DataFrame(c, columns=['start', 'end']).astype('datetime64[ns]')
# merge a and b
tmp = pd.concat([pd.merge_asof(dfa, dfb, on='start'),
pd.merge_asof(dfb, dfa, on='start')]
).sort_values('start').dropna()
# keep the minimum end and ensure end <= start
tmp = tmp.assign(end=np.minimum(tmp.end_x, tmp.end_y))[['start', 'end']]
tmp = tmp[tmp['start'] <= tmp['end']]
# merge c
tmp = pd.concat([pd.merge_asof(tmp, dfc, on='start'),
pd.merge_asof(dfc, tmp, on='start')]
).sort_values('start').dropna()
tmp = tmp.assign(end=np.minimum(tmp.end_x, tmp.end_y))[['start', 'end']]
tmp = tmp[tmp['start'] <= tmp['end']]不出所料，它提供了：
start end
0 2018-02-03 15:16:30 2018-02-03 17:06:30
1 2018-02-05 10:30:30 2018-02-05 10:32:30页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/61116188
复制相关文章
相似问题
腾讯云开发者
