我有几天1分钟数据的时间序列,并且希望在一天中的所有日期对其进行平均.
这很慢：
from datetime import datetime
from pandas import date_range,Series
time_ind = date_range(datetime(2013,1,1),datetime(2013,10),freq='1min')
all_data = Series(randn(len(time_ind)),time_ind)
time_mean = all_data.groupby(lambda x: x.time()).mean()
运行差不多一分钟！
虽然像：
time_mean = all_data.groupby(lambda x: x.minute).mean()
只需要几分之一秒.
是否有更快的方式按时间分组？
知道为什么这么慢吗？
最佳答案
在版本0.11.0中,你的“lambda-version”和version 0.11中引入的time属性似乎都很慢：
In [4]: %timeit all_data.groupby(all_data.index.time).mean()
1 loops,best of 3: 11.8 s per loop
In [5]: %timeit all_data.groupby(lambda x: x.time()).mean()
Exception RuntimeError: 'maximum recursion depth exceeded while calling a Python object' in nored
Exception RuntimeError: 'maximum recursion depth exceeded while calling a Python object' in nored
Exception RuntimeError: 'maximum recursion depth exceeded while calling a Python object' in nored
1 loops,best of 3: 11.8 s per loop
使用当前的master,两种方法都相当快：
In [1]: pd.version.version
Out[1]: '0.11.1.dev-06cd915'
In [5]: %timeit all_data.groupby(lambda x: x.time()).mean()
1 loops,best of 3: 215 ms per loop
In [6]: %timeit all_data.groupby(all_data.index.time).mean()
10 loops,best of 3: 113 ms per loop
'0.11.1.dev-06cd915'
因此,您可以更新到主服务器或等待本月应该发布的0.11.1.
