У меня есть большой Pandas DataFrame
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 3425100 entries, 2011-12-01 00:00:00 to 2011-12-31 23:59:59
Data columns:
sig_qual 3425100 non-null values
heave 3425100 non-null values
north 3425099 non-null values
west 3425097 non-null values
dtypes: float64(4)
Я выбираю подмножество этого DataFrame
с помощью .ix[start_datetime:end_datetime]
, и я передаю это функция пикового определения, которая возвращает индекс и значение локальных максимумов и минимумов в двух отдельных списках. Я извлекаю индексную позицию максимумов и используя DataFrame.index
Получаю список Pandas TimeStamps.
Затем я пытаюсь извлечь соответствующее подмножество большого DataFrame, передав список TimeStamps на .ix[]
, но он всегда возвращает пустой DataFrame
. Я могу перебрать список TimeStamps и получить соответствующие строки из DataFrame
, но это длительный процесс, и я подумал, что ix[]
должен принять список значений в соответствии с документы?
(Хотя я вижу, что пример для Pandas 0.7 использует numpy.ndarray
of numpy.datetime64
)
Update: Ниже отображено небольшое 8-секундное подмножество DataFrame, # строки показывают некоторые из значений:
y = raw_disp['heave'].ix[datetime(2011,12,30,0,0,0):datetime(2011,12,30,0,0,8)]
#csv representation of y time-series
2011-12-30 00:00:00,-310.0
2011-12-30 00:00:01,-238.0
2011-12-30 00:00:01.500000,-114.0
2011-12-30 00:00:02.500000,60.0
2011-12-30 00:00:03,185.0
2011-12-30 00:00:04,259.0
2011-12-30 00:00:04.500000,231.0
2011-12-30 00:00:05.500000,139.0
2011-12-30 00:00:06.500000,55.0
2011-12-30 00:00:07,-49.0
2011-12-30 00:00:08,-144.0
index = y.index
<class 'pandas.tseries.index.DatetimeIndex'>
[2011-12-30 00:00:00, ..., 2011-12-30 00:00:08]
Length: 11, Freq: None, Timezone: None
#_max returned from the peakdetect function, one local maxima for this 8 seconds period
_max = [[5, 259.0]]
indexes = [x[0] for x in _max]
#[5]
timestamps = [index[z] for z in indexes]
#[<Timestamp: 2011-12-30 00:00:04>]
print raw_disp.ix[timestamps]
#Empty DataFrame
#Columns: array([sig_qual, heave, north, west, extrema], dtype=object)
#Index: <class 'pandas.tseries.index.DatetimeIndex'>
#Length: 0, Freq: None, Timezone: None
for timestamp in timestamps:
print raw_disp.ix[timestamp]
#sig_qual 0
#heave 259
#north 27
#west 132
#extrema 0
#Name: 2011-12-30 00:00:04
Обновление 2:
I создал gist, который на самом деле работает, потому что, когда данные загружаются из csv, столбцы индекса временных меток хранятся в виде массива numpy объектов, которые кажутся строками. В отличие от моего собственного кода, где индекс имеет тип <class 'pandas.tseries.index.DatetimeIndex'>
, и каждый элемент имеет тип <class 'pandas.lib.Timestamp'>
, я думал, что передача списка pandas.lib.Timestamp
будет работать так же, как передача отдельных временных меток, будет ли это считаться ошибкой?
Если я создаю исходный DataFrame
с индексом в виде списка строк, запрос со списком строк отлично работает. Это значительно увеличивает размер байта DataFrame.
Обновление 3: Ошибка возникает только при очень больших DataFrames, я повторяю код на разных размерах DataFrame (некоторые подробности в комментарии ниже), и, похоже, это происходит на DataFrame выше 2,7 миллиона записей. Использование строк в отличие от TimeStamps устраняет проблему, но увеличивает использование памяти.
Fixed В последнем github master (18/09/2012), см. Комментарий от Wes внизу страницы.