Cómo calcular el tiempo de ejecución desde el estado y la hora usando python

Question

Tengo una bomba de circulación que verifico si está encendida o apagada y esto no es por intervalos fijos nunca más. Para un solo día, podría darme un conjunto de datos como este, donde "valor" representa que la bomba está encendida o apagada.

data=(
{'value': 0, 'time': datetime.datetime(2011, 1, 18, 7, 58, 25)}, 
{'value': 1, 'time': datetime.datetime(2011, 1, 18, 8, 0, 3)}, 
{'value': 0, 'time': datetime.datetime(2011, 1, 18, 8, 32, 10)}, 
{'value': 0, 'time': datetime.datetime(2011, 1, 18, 9, 22, 7)}, 
{'value': 1, 'time': datetime.datetime(2011, 1, 18, 9, 30, 58)}, 
{'value': 1, 'time': datetime.datetime(2011, 1, 18, 12, 2, 23)}, 
{'value': 0, 'time': datetime.datetime(2011, 1, 18, 15, 43, 11)}, 
{'value': 1, 'time': datetime.datetime(2011, 1, 18, 20, 14, 55)}) 

El formato no es tan importante y se puede cambiar.

Lo que sí quiero saber es cómo calcular cuántos minutos (o intervalo de tiempo o lo que sea) el 'value' ha sido 0 o 1 (¿ON u OFF)?

Esto es solo una pequeña muestra de los datos, se extiende durante varios años por lo que podría haber muchos. He estado usando numpy/mathplotlib para trazar algunos gráficos y podría haber algo en numpy para hacer esto pero no soy lo suficientemente bueno en eso.

Editar

Lo que me gustaría ver como una salida a esta sería una suma del tiempo en los diferentes estados. Algo así como ...

0 04:42:13 
1 07:34:17 

Answer 1

Realmente depende de cómo va a tratar estos puntos de datos, ¿son representativos de qué? En general, para saber cuando el interruptor se producen podría utilizar itertools.groupby así:

>>> from itertools import groupby 
>>> for i, grp in groupby(data, key=lambda x: x['value']): 
    lst = [x['time'] for x in grp] 
    print(i, max(lst) - min(lst)) 


0 0:00:00 
1 0:00:00 
0 0:49:57 
1 2:31:25 
0 0:00:00 
1 0:00:00 

Este es el ejemplo de un mínimo de tiempo puede estar seguro de que su sistema era arriba o hacia abajo (suponiendo que no haya interrupciones entre la medición).

Una vez que decida cómo tratar sus puntos, la modificación de este algoritmo sería trivial.

---

EDITAR: ya que sólo necesita sumas de arriba/abajo-tiempo, aquí es la versión más simple:

>>> sums = {0:datetime.timedelta(0), 1:datetime.timedelta(0)} 
>>> for cur, nex in zip(data, data[1:]): 
    sums[cur['value']] += nex['time'] - cur['time'] 


>>> for i, j in sums.items(): 
    print(i, j) 


0 5:32:10 
1 6:44:20 

Si esperar a largo períodos de actualización continua/tiempo de inactividad, aún puede beneficiarse del itertools.groupby. Esta es la versión py3k, por lo que no será particularmente eficiente en py2k.