如何识别具有重叠周期的时间序列数据中的周期？

如何解决如何识别具有重叠周期的时间序列数据中的周期？

给定具有 4 个任务类别（A、B、C、D）及其相应时间戳的时间序列数据，我的任务是确定 [(A,B,C,D)_1,(A,D)_2,...]

这将很简单（例如，哈希映射或链表），具有干净、不重叠的事件，但我的数据包含序列（按时间排序），例如 [A,A,D,D]。举个例子：

事件	时间
任务 A	11/1/16 3:57
任务 B	11/1/16 4:19
任务 A	11/1/16 7:43
任务 B	11/1/16 7:43
任务 C	11/1/16 7:51
任务 D	11/1/16 7:51
任务 C	11/1/16 8:11
任务 D	11/1/16 8:13
任务 A	11/3/16 3:49
任务 B	16 年 11 月 3 日 4:11
任务 B	11/3/16 7:34
任务 A	11/3/16 7:34
任务 C	11/3/16 7:43
任务 D	11/3/16 7:43
任务 C	11/3/16 8:03
任务 D	11/3/16 8:05
任务 A	11/5/16 3:41
任务 B	11/5/16 4:03
任务 A	11/5/16 7:26
任务 B	11/5/16 7:26
任务 D	11/5/16 7:35
任务 C	11/5/16 7:35
任务 C	11/5/16 7:54
任务 D	11/5/16 7:56

在这种情况下，正确的答案是一旦任务 A（循环的开始）已经开始，就删除“内部”/重叠的 ABCD。这导致 3 个时期：

任务 A	任务 B	任务 C	任务 D
11/1/16 3:57	11/1/16 4:19	11/1/16 8:11	11/1/16 8:13
11/3/16 3:49	16 年 11 月 3 日 4:11	11/3/16 8:03	11/3/16 8:05
11/5/16 3:41	11/5/16 4:03	11/5/16 7:54	11/5/16 7:56

忽略（暂时）边缘情况，例如不完整的事件序列，是否有一种有效的算法来识别周期，同时合并重叠的内部周期？

解决方法

只是@user3386109 提到的方法并跟踪事件时间戳。

将输入移动到名为 events.txt 的文件中。

file = open("events.txt","r")
result = []
partial_result = {}
max_count =0;
tasks_count = [0,0]
for event in file:
    event = event.strip('\n')
    split_events = event.split()
    max_count = max(tasks_count)
    if len(split_events)==4: #Task data
        task_name = split_events[1]
        time =  split_events[2]+" "+split_events[3]
        idx = ord(task_name)-65
        curr_count = tasks_count[idx]
        if (curr_count==max_count or curr_count+1 == max_count) and task_name not in partial_result:
            partial_result[task_name] = time
        tasks_count[idx] +=1

    if len(partial_result)==4:
        result.append(partial_result)
        partial_result ={}
        tasks_count = [0,0]

print(result)

最终结果

[{'A': '11/1/16 3:57','B': '11/1/16 4:19','C': '11/1/16 8:11','D': '11/1/16 8:13'},{'A': '11/3/16 3:49','B': '11/3/16 4:11','C': '11/3/16 8:03','D': '11/3/16 8:05'},{'A': '11/5/16 3:41','B': '11/5/16 4:03','C': '11/5/16 7:54','D': '11/5/16 7:56'}]

,

您可以使用collections.defaultdict：

import collections,datetime,re
r,d = [],collections.defaultdict(list)
data = [['Task A','11/1/16 3:57'],['Task B','11/1/16 4:19'],['Task A','11/1/16 7:43'],['Task C','11/1/16 7:51'],['Task D','11/1/16 8:11'],'11/1/16 8:13'],'11/3/16 3:49'],'11/3/16 4:11'],'11/3/16 7:34'],'11/3/16 7:43'],'11/3/16 8:03'],'11/3/16 8:05'],'11/5/16 3:41'],'11/5/16 4:03'],'11/5/16 7:26'],'11/5/16 7:35'],'11/5/16 7:54'],'11/5/16 7:56']]
for a,b in data: 
   v = list(map(int,re.findall('\d+',b)))
   _date = datetime.datetime(v[2],v[0],v[1],v[-2],v[-1],0)
   if (k:=a.split()[-1]) == 'A' and all(j in d for j in ['A','B','C','D']):
       r.append(d)
       d = collections.defaultdict(list)
       d[k].append(_date)
   else:
       d[k].append(_date)

r.append(d)

f,f1 = {'A':min,'B':min,'C':max,'D':max},lambda x:f'{x.month}/{x.day}/{x.year} {x.hour}:{str(x.minute).zfill(2)}'
result = [{a:f1(f[a](b)) for a,b in i.items()} for i in r]

输出：

[{'A': '11/1/16 3:57','D': '11/5/16 7:56'}]