Pandas Zeitreihen resampling und interpolieren zusammen

Question

Ich habe Sensordaten Zeitstempel. Aufgrund technischer Details bekomme ich Daten von den Sensoren bei ca. 1 Minute Intervallen. Die Daten können wie folgt aussehen:

tstamp    val 
0 2016-09-01 00:00:00 57 
1 2016-09-01 00:01:00 57 
2 2016-09-01 00:02:23 57 
3 2016-09-01 00:03:04 57 
4 2016-09-01 00:03:58 58 
5 2016-09-01 00:05:00 60 

Nun, im Wesentlichen, würde ich sehr glücklich sein, wenn ich auf die Minute genau alle Daten bekommen, aber ich weiß nicht. Die einzige Möglichkeit, die Verteilung zu erhalten und Daten in jeder Minute zu haben, besteht darin, zu interpolieren. Zum Beispiel gibt es zwischen den Zeilenindizes 1 und 2 83 Sekunden, und der natürliche Weg, um einen Wert in der genauen Minute zu erhalten, besteht darin, zwischen den zwei Datenzeilen zu interpolieren (in diesem Fall ist es 57, aber das ist nicht der Fall) überall).

Gerade jetzt, mein Ansatz ist folgendes zu tun:

date = pd.to_datetime(df['measurement_tstamp'].iloc[0].date()) 
ts_d = df['measurement_tstamp'].dt.hour * 60 * 60 +\ 
     df['measurement_tstamp'].dt.minute * 60 +\ 
     df['measurement_tstamp'].dt.second 
ts_r = np.arange(0, 24*60*60, 60) 
data = scipy.interpolate.interp1d(x=ts_d, y=df['speed'].values)(ts_r) 
req = pd.Series(data, index=pd.to_timedelta(ts_r, unit='s')) 
req.index = date + req.index 

Aber das fühlt sich eher herausgezogen und lange zu mir. Es gibt ausgezeichnete Pandas-Methoden, die Resampling, Runden usw. durchführen. Ich habe sie den ganzen Tag gelesen, aber es stellt sich heraus, dass nichts so interpoliert, wie ich es möchte. resample funktioniert wie ein groupby und mittelt Zeitpunkte, die zusammen fallen. fillna interpoliert, aber nicht nachdem resample die Daten bereits durch Mittelung geändert hat.

Fehle ich etwas, oder ist mein Ansatz das Beste, was es gibt?

---

Der Einfachheit halber wird angenommen, dass I-Gruppe die Daten für Tag, und durch den Sensor, so dass nur eine 24-Stunden-Zeitraum von einem Sensor zu einem Zeitpunkt interpoliert.

Answer 1

d = df.set_index('tstamp') 
t = d.index 
r = pd.date_range(t.min().date(), periods=24*60, freq='T') 

d.reindex(t.union(r)).interpolate('index').ix[r] 

---

Hinweis, periods=24*60 Arbeiten auf Tagesdaten, nicht auf die in der Frage zur Verfügung gestellt Probe. Für dieses Beispiel funktioniert periods=6.