Python pandas，对数据跨时间分布的均匀性进行评分

如何解决Python pandas，对数据跨时间分布的均匀性进行评分

我正在尝试对一个数据框进行特征工程，其时间增量以秒为单位。我想创建一个新功能，该功能可以让跨时间分布更均匀的数据得分更高。

我用 2 个时间线创建了这个示例 DF，一个是均匀分布的，而另一个不是：

df = pd.DataFrame({'id':[1,1,2,2],'timestamp':[
            '2020-09-01 18:14:00','2020-09-01 18:14:01','2020-09-01 18:14:02','2020-09-01 18:14:03','2020-09-01 18:14:04','2020-09-01 19:14:05','2020-09-01 19:14:16','2020-09-01 19:14:18','2020-09-01 19:14:30','2020-09-01 19:14:59'                                                
]})

df['timestamp'] = pd.to_datetime(df.timestamp)
df['delta'] = (df['timestamp']-df['timestamp'].shift()).fillna(pd.timedelta(seconds=0)).astype('int64') / 1000000000

我用谷歌搜索了一下，有点迷茫，标准偏差是要走的路吗？

解决方法

我只是想大声说：

for x in df['id'].unique():
    print(x,df[df['id']==x]['timestamp'].diff().mean().total_seconds())

产生：

1 1.0
2 13.5

.median() 产生：

1 1.0
2 11.5

.std() 产生：

1 0.0
2 11.269427669

然后我会编写一个函数，该函数接收 means 的所有 medians / std 或 diff 并返回一个值，例如确定它是否密集打包与否取决于您的想法。

因此 13.5 / 11.5 或 id 2 具有更高的平均值 / 均值 / 标准差，这意味着这些点在时间上的分布更为广泛。但是，检查每个 id 的行数是否相同很重要，我认为比较 2 行和 100 行是不明智的。

有趣的问题，我期待听到其他人的想法！