python – 将事件持续时间的时间序列重新采样为并发事件

我有两列;事件开始的时间和事件的持续时间.像这样：

time, duration
1:22:51,41
1:56:29,36
2:02:06,12
2:32:37,38
2:34:51,24
3:24:07,31
3:28:47,59
3:31:19,32
3:42:52,37
3:57:04,58
4:21:55,23
4:40:28,17
4:52:39,51
4:54:48,26
5:17:06,46
6:08:12,1
6:21:34,12
6:22:48,24
7:04:22,1
7:06:28,46
7:19:12,51
7:19:19,4
7:22:27,27
7:32:25,53

我想创建一个折线图,显示全天发生的并发事件的数量.将时间重命名为start_time并添加一个计算end_time的新列很容易(假设这是下一步) – 我不太清楚我理解的是,之后我可以重新采样这些数据,以便我可以绘制连续图.

我想我想结束类似的东西(但是按分钟划分)：

time, events
1:30:00,1
2:00:00,2
2:30:00,1
3:00:00,1
3:30:00,2

解决方法:

首先使它成为一个实际的时间戳：

df['time'] = pd.to_datetime('2014-03-14 ' + df['time'])

现在你可以得到结束时间：

df['end_time'] = df['time'] + df['duration'] * pd.offsets.Minute(1)

获取开放事件的一种方法是组合开始和结束时间,重新采样和cumsum：

In [11]: open = pd.concat([pd.Series(1, df.time),  # created add 1
                           pd.Series(-1, df.end_time)  # closed substract 1
                           ]).resample('30Min', how='sum').cumsum()

In [12]: open
Out[12]:
2014-03-14 01:00:00    1
2014-03-14 01:30:00    2
2014-03-14 02:00:00    1
2014-03-14 02:30:00    1
2014-03-14 03:00:00    2
2014-03-14 03:30:00    4
2014-03-14 04:00:00    2
2014-03-14 04:30:00    2
2014-03-14 05:00:00    2
2014-03-14 05:30:00    1
2014-03-14 06:00:00    2
2014-03-14 06:30:00    0
2014-03-14 07:00:00    3
2014-03-14 07:30:00    2
2014-03-14 08:00:00    0
Freq: 30T, dtype: int64