PythonPandas：如何计算导数/梯度

7gyucuyw 于 2023-01-28 发布在 Python

关注(0)|答案(5)|浏览(227)

假设我有以下两个向量：

In [99]: time_index
Out[99]: 
[1484942413,
 1484942712,
 1484943012,
 1484943312,
 1484943612,
 1484943912,
 1484944212,
 1484944511,
 1484944811,
 1484945110]

In [100]: bytes_in
Out[100]: 
[1293981210388,
 1293981379944,
 1293981549960,
 1293981720866,
 1293981890968,
 1293982062261,
 1293982227492,
 1293982391244,
 1293982556526,
 1293982722320]

其中，bytes_in 是仅递增计数器，time_index 是unix时间戳（历元）列表。

**目标：**我想计算的是比特率。

这意味着我将构建一个数据框架，如

In [101]: timeline = pandas.to_datetime(time_index, unit="s")

In [102]: recv = pandas.Series(bytes_in, timeline).resample("300S").mean().ffill().apply(lambda i: i*8)

In [103]: recv
Out[103]: 
2017-01-20 20:00:00    10351849683104
2017-01-20 20:05:00    10351851039552
2017-01-20 20:10:00    10351852399680
2017-01-20 20:15:00    10351853766928
2017-01-20 20:20:00    10351855127744
2017-01-20 20:25:00    10351856498088
2017-01-20 20:30:00    10351857819936
2017-01-20 20:35:00    10351859129952
2017-01-20 20:40:00    10351860452208
2017-01-20 20:45:00    10351861778560
Freq: 300S, dtype: int64

**问题：**现在，奇怪的是，手动计算梯度得到：

In [104]: (bytes_in[1]-bytes_in[0])*8/300
Out[104]: 4521.493333333333

这是正确的值。
用Pandas计算梯度时

In [124]: recv.diff()
Out[124]: 
2017-01-20 20:00:00          NaN
2017-01-20 20:05:00    1356448.0
2017-01-20 20:10:00    1360128.0
2017-01-20 20:15:00    1367248.0
2017-01-20 20:20:00    1360816.0
2017-01-20 20:25:00    1370344.0
2017-01-20 20:30:00    1321848.0
2017-01-20 20:35:00    1310016.0
2017-01-20 20:40:00    1322256.0
2017-01-20 20:45:00    1326352.0
Freq: 300S, dtype: float64

这与上述不同，*1356448.0与4521.4933333333333不同 *
你能告诉我我做错了什么吗？

pandas

来源：https://stackoverflow.com/questions/41780489/python-pandas-how-to-calculate-derivative-gradient

5条答案

按热度按时间

pdkcd3nj1#

pd.Series.diff()只取差值，不除以索引的增量。
这会给你答案

recv.diff() / recv.index.to_series().diff().dt.total_seconds()

2017-01-20 20:00:00            NaN
2017-01-20 20:05:00    4521.493333
2017-01-20 20:10:00    4533.760000
2017-01-20 20:15:00    4557.493333
2017-01-20 20:20:00    4536.053333
2017-01-20 20:25:00    4567.813333
2017-01-20 20:30:00    4406.160000
2017-01-20 20:35:00    4366.720000
2017-01-20 20:40:00    4407.520000
2017-01-20 20:45:00    4421.173333
Freq: 300S, dtype: float64

你也可以使用numpy.gradient传递bytes_in和你期望得到的delta，这不会减少长度1，而是对边缘做一些假设。

np.gradient(bytes_in, 300) * 8

array([ 4521.49333333,  4527.62666667,  4545.62666667,  4546.77333333,
        4551.93333333,  4486.98666667,  4386.44      ,  4387.12      ,
        4414.34666667,  4421.17333333])

赞(0）回复(0）举报 2023-01-28

efzxgjgh2#

由于Pandas Series / DataFrame中没有内置的derivative方法，您可以使用https://github.com/scls19fr/pandas-helper-calc。
它将为Pandas Series和DataFrames提供一个名为calc的新访问器，以计算数值导数和积分。
所以你可以简单地

recv.calc.derivative()

它在引擎盖下使用diff()。

赞(0）回复(0）举报 2023-01-28

dced5bon3#

一个简单的解释是.diff()直接减去后面的项，而np.gradient()使用中心差分方案。

赞(0）回复(0）举报 2023-01-28

nuypyhwy4#

或者，如果要计算变化率，则可以使用df.pct_change()
您可以输入df.pct_change(n)作为参数，其中n是回顾周期（假设您有一个datetime索引的 Dataframe ）。

赞(0）回复(0）举报 2023-01-28

nmpmafwu5#

要获得正确的时间导数，请更改series的索引

def derivate(serie):
    df1 = (serie.diff() / serie.index.to_series().diff().dt.total_seconds()).dropna()
    df1.index = serie.index[0:-1]
    return df1

赞(0）回复(0）举报 2023-01-28

我来回答

PythonPandas：如何计算导数/梯度

5条答案

相关问题

热门标签

最新问答