数据预处理

clean_outofbounds(data, bounds[, col])

输入为研究区域左下角和右上角的纬度和经度坐标，并排除研究区域外的数据

clean_outofshape(data, shape[, col, accuracy])

输入研究区域的地理数据框并排除研究区域以外的数据

id_reindex(data, col[, new, timegap, ...])

重新编号数据的ID列

id_reindex_disgap(data[, col, disgap, suffix])

对数据的ID列重新编号，如果相邻两条记录超过距离，则编号为新ID
transbigdata.clean_outofbounds(data, bounds, col=['Lng', 'Lat'])

输入为研究区域左下角和右上角的纬度和经度坐标，并排除研究区域外的数据

参数:

  • data (DataFrame) – 数据

  • bounds (List) – 研究区域左下角和右上角的纬度和经度，顺序为 [lon1， lat1， lon2， lat2]

  • col (List) – 经纬度列名

返回:

data1 – 研究范围内的数据

返回类型:

DataFrame

transbigdata.clean_outofshape(data, shape, col=['Lng', 'Lat'], accuracy=500)

输入研究区域的地理数据框并排除研究区域以外的数据

参数:

  • data (DataFrame) – 数据

  • shape (GeoDataFrame) – 研究区的GeoDataFrame

  • col (List) – 经纬度列名

  • accuracy (number) – 栅格的大小。原理是先做数据栅格化，然后再做数据清理。尺寸越小，精度越高

返回:

data1 – 研究范围内的数据

返回类型:

DataFrame

transbigdata.id_reindex(data, col, new=False, timegap=None, timecol=None, suffix='_new', sample=None)

重新编号数据的ID列

参数:

  • data (DataFrame) – 数据

  • col (str) – 要重新索引的ID列的名称

  • new (bool) – False：相同 ID 的新编号将是相同的索引;True：根据表的顺序，源 ID 再次出现，索引不同

  • timegap (number) – 如果某个个体在一段时间内没有出现（时间间隔是时间阈值），则将其编号为新个体。此参数应与 timecol 一起设置才能生效。

  • timecol (str) – time的列名，需要设置timegap才能生效

  • suffix (str) – 新列的后缀。设置为 False 时，将替换前一列

  • sample (int (optional)) – 对数据进行去采样

返回:

data1 – 重新编号的数据

返回类型:

DataFrame

transbigdata.id_reindex_disgap(data, col=['uid', 'lon', 'lat'], disgap=1000, suffix='_new')

对数据的ID列重新编号，如果相邻两条记录超过距离，则编号为新ID

参数:

  • data (DataFrame) – 数据

  • col (str) – 要重新索引的ID列的名称

  • disgap (number) – 如果相邻的两条记录超过这个距离，这个数字就是新的ID

  • suffix (str) – 新列的后缀。设置为 False 时，将替换前一列

返回:

data1 – 重新编号的数据

返回类型:

DataFrame