如何识别具有重叠周期的时间序列数据中的周期

Question

给定具有4个任务类别(A、B、C、D

这将是简单的(例如，哈希图或链表(，具有干净、不重叠的事件，但我的数据包含序列(按时间排序(，如[A，B，A，B，C，D，C，D]。这里有一个例子：

EVENT	TIME
任务A	11/1/1/16 3:57
任务B	11/16 4:19
任务A	11/16 7:43
任务B	11/16 7:43
任务C	2016年11月1日7:51
任务D	2016年11月1日7:51
任务C	11/16 8:11
任务D	11/16 8:13
任务A	11/3/16 3:49
任务B	11/3/16 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	2016年5月11日7:35
任务C	2016年5月11日7:35
任务C	11/5/16 7:54
任务D	11/5/16 7:56

这就是@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 = [0,0,0,0]
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 = [0,0,0,0]
print(result)

最终输出

[{'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 B', '11/1/16 7:43'], ['Task C', '11/1/16 7:51'], ['Task D', '11/1/16 7:51'], ['Task C', '11/1/16 8:11'], ['Task D', '11/1/16 8:13'], ['Task A', '11/3/16 3:49'], ['Task B', '11/3/16 4:11'], ['Task B', '11/3/16 7:34'], ['Task A', '11/3/16 7:34'], ['Task C', '11/3/16 7:43'], ['Task D', '11/3/16 7:43'], ['Task C', '11/3/16 8:03'], ['Task D', '11/3/16 8:05'], ['Task A', '11/5/16 3:41'], ['Task B', '11/5/16 4:03'], ['Task A', '11/5/16 7:26'], ['Task B', '11/5/16 7:26'], ['Task D', '11/5/16 7:35'], ['Task C', '11/5/16 7:35'], ['Task C', '11/5/16 7:54'], ['Task D', '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', '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'}]