Comment convertir des données cumulées en données quotidiennes?

Question

J'ai une liste de données transférées cumulatives par lien et périodes au début et à la fin du transfert de données. En d'autres termes, les éléments de times sont des périodes de jours; éléments de data sont la somme des toutes données transférées par ce lien à la fin du transfert en cours:

data = [0.85, 1.6, 1.85, 2.89, 3.56, 4.05, 5.56, 7.89] 
times = [[0.5, 1.3], [1.8, 2.1], [2.9, 2.99], [3.5, 3.59], [3.6, 4.1], [4.2, 4.35], [4.65, 4.76], [4.85, 5.5]] 

est-il un moyen python ou numpy comment puis-je convertir les données cumulatives des statistiques quotidiennes ([0, 1], [1, 2], [2, 3], [3, 4,], [4, 5], [5, 6]) des données transférées ?

P.S Les données quotidiennes signifie combien de données ont été transférées en particulier entre 0 et 1 période (1 et 2 et ainsi de suite). Par exemple, je veux trouver des données transférées entre 0 jour et 1 jour. Au cours de la période [0.5, 1.3]0.85 GB des données ont été transférées. Donc je dois trouver une part de 0.85 GB qui a notamment été transférée entre [0, 1].
0.85 GB * (1-0.5) days/(1.3-0.5) days = 0.53 GB Et ainsi de suite.

Answer 1

Vous pouvez utiliser np.split pour segmenter les données dans des tableaux quotidiens. D'abord vous avez besoin des indices qui définissent les bords de chaque jour; Pour cela, vous pouvez utiliser np.histogram où vous définissez les intervalles qui représentent les bords de vos jours. Puis cumsum pour obtenir les indices des bords de chaque jour. Chunked devrait maintenant être une liste de tableaux où chaque tableau contient la valeur pour chaque jour. Vous pouvez appliquer n'importe quelle fonction réductrice que vous voulez pour cela.

print(chunked) 
# [array([0.85]), array([1.6, 1.85]), ...] 

map(np.sum, chunked) 

Notez que les tableaux de temps/valeurs doivent être triés pour que la division fonctionne.

...

Plus lisible, mais beaucoup plus lent, vous pouvez sélectionner des données pour chaque jour.

days = np.floor(times) 
chunked = [data[days == day] for day in range(5)] 

Answer 2

IIUC vous pouvez faire soomething comme ça -

lims = np.arange(data.size)+1 
col0 = lims - times[:,0] 
col1 = times[:,1] - lims 
lens = times[:,1] - times[:,0] 

out = data*col0/lens 
shares = data*(col1/lens) 
out[1:] += shares.cumsum()[:-1] 

run Exemple -

In [144]: data 
Out[144]: array([ 0.85, 1.6 , 1.85, 2.89, 3.56, 4.05, 5.56, 7.89]) 

In [145]: times 
Out[145]: 
array([[ 0.5 , 1.3 ], 
     [ 1.8 , 2.1 ], 
     [ 2.9 , 2.99], 
     [ 3.5 , 3.59], 
     [ 3.6 , 4.1 ], 
     [ 4.2 , 4.35], 
     [ 4.65, 4.76], 
     [ 4.85, 5.5 ]]) 

In [146]: out 
Out[146]: 
array([ 0.53125 , 1.38541667, 2.90763889, 16.70208333, 
     -2.55102778, 29.67297222, 55.3047904 , -138.46269211]) 

Answer 3

@Divakar a déjà posté la solution numpy correcte, voici simple python un:

import math 
data = [0.85, 1.6, 1.85, 2.89, 3.56, 4.05, 5.56, 7.89] 
times = [0.5, 1.3, 1.8, 2.9, 3.5, 3.6, 4.2, 4.65] 
daily = [0] * 7 

for i, t in enumerate(times): 
    daily[int(math.floor(t))] += data[i] 

print daily