Início / coding / Perguntas / 79562359
Accepted
Python404
Asked: 2025-04-08 22:38:39 +0800 CST

Mudança de horário de verão com dados de um quarto de hora no Pandas

  • 772

Tenho um conjunto de dados no seguinte formato:

2024-10-27T00:00    1   A
2024-10-27T00:15    2   B
2024-10-27T00:30    3   C
2024-10-27T00:45    4   D
2024-10-27T01:00    5   E
2024-10-27T01:15    6   F
2024-10-27T01:30    7   G
2024-10-27T01:45    8   H
2024-10-27T02:00    9   I
2024-10-27T02:00    10  J
2024-10-27T02:15    11  K
2024-10-27T02:15    12  L
2024-10-27T02:30    13  M
2024-10-27T02:30    14  N
2024-10-27T02:45    15  O
2024-10-27T02:45    16  P
2024-10-27T03:00    17  Q
2024-10-27T03:15    18  R
2024-10-27T03:30    19  S
2024-10-27T03:45    20  T

Isso está no horário local CE(S)T, então quero que o Pandas deduza a mudança de horário de verão. No entanto, ele gera um erro informando que há 4 mudanças de horário de verão, quando esperava apenas uma.

Curiosamente, o código abaixo funciona:

import pandas as pd

data = [
    ["2024-10-27T00:00", 1, "A"],
    ["2024-10-27T00:15", 2, "B"],
    ["2024-10-27T00:30", 3, "C"],
    ["2024-10-27T00:45", 4, "D"],
    ["2024-10-27T01:00", 5, "E"],
    ["2024-10-27T01:15", 6, "F"],
    ["2024-10-27T01:30", 7, "G"],
    ["2024-10-27T01:45", 8, "H"],
    ["2024-10-27T02:00", 9, "I"],
    ["2024-10-27T02:15", 10, "J"],
    ["2024-10-27T02:30", 11, "K"],
    ["2024-10-27T02:45", 12, "L"],
    ["2024-10-27T02:00", 13, "M"],
    ["2024-10-27T02:15", 14, "N"],
    ["2024-10-27T02:30", 15, "O"],
    ["2024-10-27T02:45", 16, "P"],
    ["2024-10-27T03:00", 17, "Q"],
    ["2024-10-27T03:15", 18, "R"],
    ["2024-10-27T03:30", 19, "S"],
    ["2024-10-27T03:45", 20, "T"],
]

df = pd.DataFrame(data, columns=["timestamp", "number", "letter"])
df.set_index("timestamp", inplace=True)
df.index=pd.to_datetime(df.index)

df.index=df.index.tz_localize('Europe/Amsterdam',ambiguous='infer')

No último exemplo, o Pandas parece interpretar (corretamente) que a primeira ocorrência é de fato o verão e a segunda, o inverno. Existe uma maneira de lidar com isso (facilmente)? ​​Codificar a reordenação seria uma maneira, mas parece trabalhoso (honestamente, nem saberia como, algo como filtrar por duplicatas e depois fazer um loop e trocar as linhas?).

Alguém tem alguma ideia sobre isso?

python

1 respostas

  1. Best Answer

    Você poderia classificar por hora e pela contagem cumulativa dos grupos de timestamp para obter programaticamente a ordem aceita por tz_localize. É claro que isso precisaria ser ligeiramente adaptado se você tiver vários dias ou até anos de dados, mas a ideia permanece a mesma.

    Se desejar, você pode finalmente classificar pelo número original col (ou qualquer índice serial dedicado) para restaurar a ordem original.

    import pandas as pd

data = [
    ["2024-10-27T00:00", 1, "A"],
    ["2024-10-27T00:15", 2, "B"],
    ["2024-10-27T00:30", 3, "C"],
    ["2024-10-27T00:45", 4, "D"],
    ["2024-10-27T01:00", 5, "E"],
    ["2024-10-27T01:15", 6, "F"],
    ["2024-10-27T01:30", 7, "G"],
    ["2024-10-27T01:45", 8, "H"],
    ["2024-10-27T02:00", 9, "I"],
    ["2024-10-27T02:00", 13, "M"],
    ["2024-10-27T02:15", 10, "J"],
    ["2024-10-27T02:15", 14, "N"],
    ["2024-10-27T02:30", 11, "K"],
    ["2024-10-27T02:30", 15, "O"],
    ["2024-10-27T02:45", 12, "L"],
    ["2024-10-27T02:45", 16, "P"],
    ["2024-10-27T03:00", 17, "Q"],
    ["2024-10-27T03:15", 18, "R"],
    ["2024-10-27T03:30", 19, "S"],
    ["2024-10-27T03:45", 20, "T"],
]

df = pd.DataFrame(data, columns=["timestamp", "number", "letter"])

df["timestamp"] = pd.to_datetime(df["timestamp"])

df = df.assign(
    cumcount=lambda df: df.groupby("timestamp").cumcount(),
    hour=df.timestamp.dt.hour
    ).sort_values(["hour", "cumcount"])

df.set_index("timestamp", inplace=True)

df.index = df.index.tz_localize('Europe/Amsterdam',ambiguous='infer')

df
    • 1

relate perguntas