Vectorize for循环，它结合了两个不同的数据格式。
Vectorize for循环，它结合了两个不同的数据格式。
提问于 2021-07-26 07:49:10
我有一个包含输入数据的两列数据。第一列是开始日期，第二列称为持续时间(分钟)。您可以想到一台从开始运行到start+duration的机器。我想使用这些信息构建一个长度为8760*60的一维数组，其中包含一年中所有的分钟，机器运行的地方应该有一个1，否则为零。下面的MWE完成了这个任务，但是由于for-循环比较慢，我不知道如何将它向量化。
import pandas as pd
import numpy as np
# Start and end of time horizon
start = pd.Timestamp(year=2019, month=1, day=1, hour=0, tz='UTC')
end = pd.Timestamp(year=2019, month=12, day=31, hour=23, minute=59, tz='UTC')
# DataFrame of time horizon
dates = pd.DataFrame(pd.date_range(start, end, freq='min'))
# Starting points
t1 = pd.Timestamp(year=2019, month=1, day=2, hour=0, tz='UTC')
t2 = pd.Timestamp(year=2019, month=1, day=1, hour=0, minute=3, tz='UTC')
# Durations
d1 = 5
d2 = 30
# DataFrame from input data
data = pd.DataFrame(
data=[
[t1, d1],
[t2, d2],
],
columns=[
'start',
'duration',
]
)
# Array to be filled
on = np.zeros(8760*60)
# loop over data rows
for idx in data.index:
# Start for on array from dates
start = dates[dates[0] == data.loc[idx, 'start']].index[0]
# Duration from data
duration = data.loc[idx, 'duration']
# Put 1s in the on array from start to start+duration
on[start: start+duration] = 1Stack Overflow用户
回答已采纳
发布于 2021-07-26 10:35:12
这对你有用吗？
idx = pd.date_range(pd.Timestamp('2019-01-01', tz='UTC'),
pd.Timestamp('2019-12-31', tz='UTC'),
freq='1min')
df = pd.DataFrame({'on': 0}, index=idx)
def to_mins(row):
return set(pd.date_range(row['start'], periods=row['duration'], freq='1min'))
idx_on = set().union(*data[['start', 'duration']].apply(to_mins, axis='columns'))
df.loc[idx_on] = 1
on = df.on.values如果持续时间可能导致2019年以外的时间戳，您可以使用：
def to_min_range(row):
return set(
m
for m in pd.date_range(row['start'], periods=row['duration'], freq='1min')
if m.year == 2019
)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/68526220
复制相关文章
相似问题
腾讯云开发者
