系列のローカル時間微分を計算する

Question

私はhdf5ファイルからインポートしているデータを持っています。したがって、次のようになります。

import pandas as pd 
tmp=pd.Series([1.,3.,4.,3.,5.],['2016-06-27 23:52:00','2016-06-27 23:53:00','2016-06-27 23:54:00','2016-06-27 23:55:00','2016-06-27 23:59:00']) 
tmp.index=pd.to_datetime(tmp.index) 

>>>tmp 
2016-06-27 23:52:00 1.0 
2016-06-27 23:53:00 3.0 
2016-06-27 23:54:00 4.0 
2016-06-27 23:55:00 3.0 
2016-06-27 23:59:00 5.0 
dtype: float64 

データのローカルスロープを検索したいと思います。私がちょうどtmp.diff（）を行うと、私は値のローカル変更を取得します。しかし、私は2番目あたりの値の変化（時間微分） を取得したい私はこのような何かをしたいと思いますが、これはそれを行うには間違った方法であるとエラーを与える：

tmp.diff()/tmp.index.diff() 

私が考え出してきました私はすべてのデータをDataFrameに変換することでそれを行うことができますが、それは非効率的です。特に、大容量のディスクファイルをチャンクで扱わなければならないので、 はこれ以外にそれを行うには良い方法があります：

df=pd.DataFrame(tmp) 
df['secvalue']=df.index.astype(np.int64)/1e+9 
df['slope']=df['Value'].diff()/df['secvalue'].diff() 

Answer 1

使用numpy.gradient

import numpy as np 
import pandas as pd 

slope = pd.Series(np.gradient(tmp.values), tmp.index, name='slope') 

不平等な時間的指標に対処するために、私は分を超えるリサンプリングして補間すると思います。それから私の勾配は等間隔になります。

tmp_ = tmp.resample('T').interpolate() 

slope = pd.Series(np.gradient(tmp_.values), tmp_.index, name='slope') 

df = pd.concat([tmp_.rename('values'), slope], axis=1) 
df 

df.plot()