Я работаю над приложением, где мне нужно будет поддерживать траекторию объекта. В принципе, я хотел бы иметь что-то вроде сортированного словаря, где ключи - это времена, а значения - это позиции. Кроме того, я буду делать линейную интерполяцию между существующими записями. Я немного поиграл с SortedDictionary в библиотеке SortedContainers Grant Jenks, и он делает много чего я хочу, но мне интересно, есть ли там решения, которые еще лучше подходят? Спасибо заранее за любые предложения.Соответствующая структура данных для временных рядов
ответ
Если вы используете pandas, есть time series support available.
Если ваш временной интервал достоверно постоянный, можно использовать список или, конечно, массив numpy.
В противном случае, вы можете посмотреть в упорядоченные словарей в модуле коллекций (станд Lib)
- https://docs.python.org/3/library/collections.html#collections.OrderedDict
https://docs.python.org/2/library/collections.html (Python 2)
класс collections.OrderedDict ([предметы])
Return an instance of a dict subclass, supporting the usual dict
методы. OrderedDict - это dict, который запоминает порядок ввода ключей . Если новая запись перезаписывает существующую запись, исходная позиция вставки остается неизменной. При удалении записи и повторной установке она переместит ее до конца.
Спасибо за предложения. Таким образом, временной интервал не будет постоянным, и нет гарантии, что я буду вводить позиции в том порядке, в котором я хочу, чтобы они поддерживались (возможно, я хотел бы интерполировать позицию между двумя существующими). – user888379
- 1. Наилучшая структура данных для данных временных рядов
- 2. интерполяция для данных временных рядов
- 3. Какая структура данных разумна для данных временных рядов в Java?
- 4. Структура данных для анализа временных рядов в R
- 5. Библиотека для данных временных рядов
- 6. java.util.Stack Соответствующая структура данных?
- 7. Визуализация данных временных рядов
- 8. Нормализация временных рядов данных
- 9. Формат данных временных рядов
- 10. Моделирование временных рядов временных рядов
- 11. Просеивание временных рядов данных?
- 12. Самосоединение данных временных рядов
- 13. Прогнозирование временных рядов данных
- 14. rollaplly для временных рядов
- 15. Структура данных Firebase - соответствующая структура Firefeed?
- 16. Соответствующая структура данных для обработки плоских файлов?
- 17. Соответствующая структура данных для буфера пакетов
- 18. Соответствующая структура данных для чтения этого файла
- 19. Соответствующая структура данных для сопоставления символов группировки?
- 20. дизайн базы данных временных рядов
- 21. RBbg - Изменение временных рядов данных
- 22. Данные временных рядов данных вертикально
- 23. Многомерный анализ данных временных рядов
- 24. Эффективный выпуск данных временных рядов
- 25. Сокращение/упрощение данных временных рядов
- 26. Отклонение прогнозируемых временных рядов данных
- 27. cbind в данных временных рядов
- 28. Инструменты для отображения временных рядов данных
- 29. Использование HierachyID для хранения данных временных рядов
- 30. Использование Cassandra для хранения данных временных рядов
Спасибо, это действительно интересно. Время, которое я буду использовать, будет очень простым - по существу простые значения с плавающей запятой, начиная с 0,0. Будут ли панды быть переполненными для этого? – user888379
Использование numpy может быть слишком велико, если вы используете numpy, но добавление панд не слишком накладные. – hd1
Ну, есть другие аспекты приложения, которые будут более математически облагаться налогом (например, преобразования координат), поэтому я думаю, что мне будет нужно numpy. Я посмотрю глубже на панд, давая другим людям возможность ответить ... – user888379