後輩に向けて不連続の時系列データに対して、直前の値を補間して連続データに直す手順例

Step1 １秒ごとのtimestampをindexにもつdataframeを作る

まずは時間の配列を作成する。

import datetime
import pandas as pd
import numpy as np

# 初期時間
d = datetime.date(2018, 1, 1)
t = datetime.time(0, 0)
base = datetime.datetime.combine(d, t)

# 追加したい秒数
num_sec = 100*60*60 #100日*60分*60秒
datetimes = [base + datetime.timedelta(seconds=x) for x in range(0, num_sec)]

dfという名前で新しい空のdataframeを作成

df = pd.DataFrame(index=datetimes)

dfの中身はこんな感じでindexとして日時だけが入っている。


2018-01-01 00:00:00
2018-01-01 00:00:01
2018-01-01 00:00:02
2018-01-01 00:00:03
2018-01-01 00:00:04

Step2 ダミーデータの作成

ダミーの生データを作る。（今回の趣旨では重要じゃない）

dummy_type = [0, 1, 256] 

# ランダムに数値を振り分け
_arr = np.random.choice(dummy_type, num_sec) 

_df = pd.DataFrame(index=datetimes)
_df['A'] = _arr

こんな感じのデータフレームができた。

	A
2018-01-01 00:00:00	0
2018-01-01 00:00:01	256
2018-01-01 00:00:02	256
2018-01-01 00:00:03	1
2018-01-01 00:00:04	1

raw_df = _df[_df['A'] != 256]

	A
2018-01-01 00:00:00	0
2018-01-01 00:00:03	1
2018-01-01 00:00:04	1
2018-01-01 00:00:05	0
2018-01-01 00:00:07	1

256をもつ行が消えた！ので行がないところは前の値と同じデータとみなすダミーデータが完成！

Step3 dfにraw_dfを入れて、時間が飛んでいるところは直前の値で補間する

空のデータフレームdfと生データのデータフレームraw_dfをくっつける。

df=pd.concat([df, raw_df], axis=1)

	A
2018-01-01 00:00:00	0.0
2018-01-01 00:00:01	NaN
2018-01-01 00:00:02	NaN
2018-01-01 00:00:03	1.0
2018-01-01 00:00:04	1.0
2018-01-01 00:00:05	0.0
2018-01-01 00:00:06	NaN
2018-01-01 00:00:07	1.0
2018-01-01 00:00:08	NaN
2018-01-01 00:00:09	1.0

NaNのところがデータのない時間なので、直前の値を補間する。

df = df.ffill()

	A
2018-01-01 00:00:00	0.0
2018-01-01 00:00:01	0.0
2018-01-01 00:00:02	0.0
2018-01-01 00:00:03	1.0
2018-01-01 00:00:04	1.0
2018-01-01 00:00:05	0.0
2018-01-01 00:00:06	0.0
2018-01-01 00:00:07	1.0
2018-01-01 00:00:08	1.0
2018-01-01 00:00:09	1.0

直前の値で補間されたデータの完成。ぱちぱち。