pandas 的时间加权平均值 [英] Time-weighted average with Pandas

问题描述

在Pandas 0.8中计算TimeSeries的时间加权平均值的最有效方法是什么?例如，假设我想要如下创建的df.y - df.x的时间加权平均值:

What's the most efficient way to calculate the time-weighted average of a TimeSeries in Pandas 0.8? For example, say I want the time-weighted average of df.y - df.x as created below:

import pandas
import numpy as np
times = np.datetime64('2012-05-31 14:00') + np.timedelta64(1, 'ms') * np.cumsum(10**3 * np.random.exponential(size=10**6))
x = np.random.normal(size=10**6)
y = np.random.normal(size=10**6)
df = pandas.DataFrame({'x': x, 'y': y}, index=times)

我觉得此操作应该很容易完成，但是我尝试过的所有操作都涉及到一些混乱且缓慢的类型转换.

I feel like this operation should be very easy to do, but everything I've tried involves several messy and slow type conversions.

推荐答案

您可以将df.index转换为整数，然后使用该整数来计算平均值.有一个快捷方式asi8属性，该属性返回一个int64值数组:

You can convert df.index to integers and use that to compute the average. There is a shortcut asi8 property that returns an array of int64 values:

np.average(df.y - df.x, weights=df.index.asi8)

这篇关于 pandas 的时间加权平均值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！