Вот код, который генерирует случайные данные, и диаграмма плюс линии, представляющие 30-й и 90-й процентили.
import pandas as pd
import numpy as np
from numpy.random import randint
import matplotlib.pyplot as plt
%matplotlib inline
np.random.seed(10) # added for reproductibility
rng = pd.date_range('10/9/2018 00:00', periods=10, freq='1H')
df = pd.DataFrame({'Random_Number':randint(1, 100, 10)}, index=rng)
df.plot()
plt.axhline(df.quantile(0.3)[0], linestyle="--", color="g")
plt.axhline(df.quantile(0.90)[0], linestyle="--", color="r")
plt.show()
Выходы: (минус выделенная часть диаграммы)
Я пытаюсь выяснить, возможно ли рассчитать время, необходимое для достижения данных (выделено желтым цветом) от зеленой до красной линии.
Я могу вручную ввести данные:
minStart = df.loc[df['Random_Number'] < 18].index[0]
maxStart = df.loc[df['Random_Number'] > 90].index[0]
hours = maxStart - minStart
hours
Что будет выводить:
Timedelta('0 days 05:00:00')
Но если я попытаюсь использовать:
minStart = df.loc[df['Random_Number'] < df.quantile(0.3)].index[0]
maxStart = df.loc[df['Random_Number'] > df.quantile(0.90)].index[0]
hours = maxStart - minStart
hours
Это приведет к an ValueError: Can only compare identically-labeled Series objects
Есть ли лучший способ для безумия? В идеале было бы неплохо создать какой-то алгоритм, который может вычислять дельта-время, которое для него составляет go с 30-го по 90-й процентиль, а затем обратно с 90-го по 30-й. Но, возможно, мне придется подумать о том, как это может быть достигнуто ..