我有一個(gè)df包含行（有時(shí)數(shù)以千計(jì)）的數(shù)據(jù)，對(duì)應(yīng)于一個(gè)數(shù)字信號(hào)。我使用以下方法添加了一個(gè)額外的列：df['On/Off'] = np.where(df[col] > value, 'On', 'Off')將信號(hào)標(biāo)記為打開或關(guān)閉（value根據(jù)信號(hào)源設(shè)置）。以下代碼給出了一個(gè)示例數(shù)據(jù)幀，盡管沒有實(shí)際測(cè)量數(shù)據(jù)：df = pd.DataFrame({"Time/s" : np.arange(0,100,2), "On/Off" : ("Off")})df.at[10:13,"On/Off"] = "On"df.at[40:43,"On/Off"] = "On"df.at[47:,"On/Off"] = "On"我想計(jì)算信號(hào)注冊(cè)為開啟的次數(shù)。對(duì)于上面的代碼，結(jié)果將為 2（理想情況下返回索引）。鑒于數(shù)據(jù)框的組織方式，我認(rèn)為沿著行向下尋找行對(duì)，其中列on/off讀取為 'off' at row n，然后 'on' atrow_n+1應(yīng)該是方法，如下所示：i =0 # <--- number of on/off pairingsif cycle = [row_n]='On'; [row_n+1]='Off': i=+1我目前的計(jì)劃來自對(duì)此的回答（Pandas 遍歷 DataFrame 行對(duì)）我認(rèn)為df.shift()提供了一個(gè)潛在的路線，生成 2 個(gè)數(shù)據(jù)幀，然后比較不匹配的行，但感覺可能有更簡(jiǎn)單的方法，可能使用 itertools 或 pd.iterrows（等）。
1 回答
犯罪嫌疑人X
TA貢獻(xiàn)2080條經(jīng)驗(yàn) 獲得超4個(gè)贊
使用shiftwith eq(==) 比較值，將 boolean mask 和 last count Trues by 鏈接起來sum：
out = (df['On/Off'].shift(-1).eq('Off') & df['On/Off'].eq('On')).sum()
另一種解決方案：
out = (df['On/Off'].shift().eq('On') & df['On/Off'].eq('Off')).sum()
print (out )
2
細(xì)節(jié)：
print ((df['On/Off'].shift().eq('On') & df['On/Off'].eq('Off')))
0 False
1 False
2 False
3 False
4 False
5 False
6 False
7 False
8 False
9 False
10 False
11 False
12 False
13 False
14 True
15 False
16 False
17 False
18 False
19 False
20 False
21 False
22 False
23 False
24 False
25 False
26 False
27 False
28 False
29 False
30 False
31 False
32 False
33 False
34 False
35 False
36 False
37 False
38 False
39 False
40 False
41 False
42 False
43 False
44 True
45 False
46 False
47 False
48 False
49 False
Name: On/Off, dtype: bool
添加回答
舉報(bào)
0/150
提交
取消