与 pandas 的时间序列相关性

Time series correlation with pandas

我有一些具有时间序列的颗粒物传感器和 CSV,例如:

传感器 A:

                     date           value
date                                     
2017-11-30 00:00:00  30/11/17 0.00     49
2017-11-30 00:02:00  30/11/17 0.02     51
2017-11-30 00:03:00  30/11/17 0.03     54
2017-11-30 00:05:00  30/11/17 0.05     57
2017-11-30 00:07:00  30/11/17 0.07     53
2017-11-30 00:08:00  30/11/17 0.08     55
2017-11-30 00:10:00  30/11/17 0.10     55
2017-11-30 00:12:00  30/11/17 0.12     58
2017-11-30 00:13:00  30/11/17 0.13     57
2017-11-30 00:15:00  30/11/17 0.15     58
....
2018-02-06 09:30:00    6/2/18 9.30     33
2018-02-06 09:32:00    6/2/18 9.32     31
2018-02-06 09:33:00    6/2/18 9.33     34
2018-02-06 09:35:00    6/2/18 9.35     32
2018-02-06 09:37:00    6/2/18 9.37     33
2018-02-06 09:38:00    6/2/18 9.38     30

我将日期设置为索引:

df.index = pd.to_datetime(df['date'], format='%d/%m/%y %H.%M')

我想将来自同一传感器的数据与来自不同传感器的数据在相似时间 windows 之间的不同时间相关联 windows。我希望知道 day/days 的某些部分是否有相同的 increase/decrease 行为。 设置 "date index" 后,我可以得到 "All PM value from 9am to 10am everyday from sensor A"

df.between_time('9:00','10:00')

1) 问题 1:如何检查同一传感器但不同日期的相关性:我在两个 DataFrame 中过滤了两天上午 9 点/10 点的数据,但并非总是如此恰好在同一分钟拍摄。我可能会遇到这样的情况:

01-01-2018 (df01 - I removed data column)
2018-01-01 09:05:00     11
2018-01-01 09:07:00     11
2018-01-01 09:09:00     10
....


02-01-2018 (df02)
2018-02-01 09:05:00     67
2018-02-01 09:07:00     68
2018-02-01 09:08:00     67
....

我应该重命名数据列吗?我实际上关心 01/01/2018 的第三个值将与第二个 window.

的第三个值相关
df01.corr(df02)

returns

ValueError: The truth value of a DataFrame is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()

2) 问题 2:不同传感器之间的关联 在这种情况下,我有 2 个 CVS 文件,其中包含来自两个传感器的 PM 值。作为问题 1,我想将它们的同一时间 windows 关联起来。 即使在这种情况下,我也希望数据之间有一些 "Casual lag",但分钟之间的错误很好,我只想检查值 'at right position'。示例:

Sensor A:
                         date           value
    date                                     
    2017-11-30 00:00:00  30/11/17 0.00     49
    2017-11-30 00:02:00  30/11/17 0.02     51
    2017-11-30 00:03:00  30/11/17 0.03     54
    2017-11-30 00:05:00  30/11/17 0.05     57

Sensor B:
                         date           value
    date                                     
    2017-11-30 00:00:00  30/11/17 0.00     1
    2017-11-30 00:02:00  30/11/17 0.02     40
    2017-11-30 00:04:00  30/11/17 0.03     11
    2017-11-30 00:05:00  30/11/17 0.05     57

AxB
                         date           valueA    valueB
    date                                     
    2017-11-30 00:00:00  30/11/17 0.00     49       1
    2017-11-30 00:02:00  30/11/17 0.02     51       40
    2017-11-30 00:03:00  30/11/17 0.03     54       11
    2017-11-30 00:05:00  30/11/17 0.05     57       57

提前致谢

我将尝试一起解决您的两个问题。这看起来像是 pd.merge_asof() 的工作,它在最接近匹配的键上合并,而不是仅在精确键上合并。

示例数据

df1
date            value
30/11/17 0.00   51
30/11/17 0.02   53
30/11/17 0.05   65
30/11/17 0.08   58

df2
date            value
30/11/17 0.01   61
30/11/17 0.02   63
30/11/17 0.04   65
30/11/17 0.07   68

预处理

df1.date = pd.to_datetime(df1.date, format='%d/%m/%y %H.%M')
df2.date = pd.to_datetime(df2.date, format='%d/%m/%y %H.%M')
df1.set_index('date', inplace=True)
df2.set_index('date', inplace=True)

df1
                     value
date
2017-11-30 00:00:00     51
2017-11-30 00:02:00     53
2017-11-30 00:05:00     65
2017-11-30 00:08:00     58

df2
                     value
date
2017-11-30 00:01:00     61
2017-11-30 00:02:00     63
2017-11-30 00:04:00     65
2017-11-30 00:07:00     68

在最近的索引匹配上合并数据帧

merged = pd.merge_asof(df1, df2, left_index=True, right_index=True, direction='nearest')
merged
                         value_x  value_y
date
2017-11-30 00:00:00       51       61
2017-11-30 00:02:00       53       63
2017-11-30 00:05:00       65       65
2017-11-30 00:08:00       58       68

相关性

请注意 df.corr() 不接受数据作为参数,因此 df1.corr(df2) 不起作用。 corr 方法计算您调用它的 DataFrame 中列的成对相关性 (docs)。

merged.corr()
          value_x   value_y
value_x  1.000000  0.612873
value_y  0.612873  1.000000

注释

上面pd.merge_asof的用法保留了df1的索引; df1 中的每一行都会收到其在 df2 中最接近的匹配项 并替换 ,因此如果 df2 的行数少于 df1merge_asof 的结果将包含来自 df2 的重复值。结果将具有与 df1.

相同的行数

您提到您实际上只关心按相对位置比较行,例如,将 df1 的第三个值与 df2 的第三个值进行比较。不用 merge_asof,您可以在使用时间索引获取感兴趣的时间段后简单地忽略时间索引,并使用 df.values:

访问底层的 numpy 数组
# Get a 2D array of shape (4, 1)
df1.values
array([[51],
       [53],
       [65],
       [58]])

# Get a 1D array of shape (4,)
df1.values.flatten()
array([51, 53, 65, 58])

# numpy correlation matrix
pd.np.corrcoef(df1.values.flatten(), df2.values.flatten())
array([[1.        , 0.61287265],
       [0.61287265, 1.        ]])