我有一個每天一行的 Pandas DataFrame 和一些布爾列。我想將它們轉(zhuǎn)換成一個 DataFrame 來保存這些列為True的范圍。啟動 DF 的示例：import pandas as pdt = Truef = Falsedf = pd.DataFrame( {'indic': [f, f, t, t, t, f, f, f, t, f, f, t, t, t, t]}, index=pd.date_range("2018-01-01", "2018-01-15"))print(df) indic2018-01-01 False2018-01-02 False2018-01-03 True2018-01-04 True2018-01-05 True2018-01-06 False2018-01-07 False2018-01-08 False2018-01-09 True2018-01-10 False2018-01-11 False2018-01-12 True2018-01-13 True2018-01-14 True2018-01-15 True這個 DataFrame 的列從 2018-01-03 到 2018-01-05 是 True，然后是 2018-01-09（只有一天），然后是從 2018-01-12 到 2018-01-15。我在這個例子中尋找的輸出是這個 DF（日期對象而不是字符串也可以，甚至是首選）：desired_result = pd.DataFrame({ 'from': ["2018-01-03", "2018-01-09", "2018-01-12"], 'to': ["2018-01-05", "2018-01-09", "2018-01-15"]})print(desired_result) from to0 2018-01-03 2018-01-051 2018-01-09 2018-01-092 2018-01-12 2018-01-15作為擴展，在后續(xù)步驟中，我希望它適用于多列，例如：df = pd.DataFrame( { 'indic_A': [f, f, t, t, t, f, f, f, t, f, f, t, t, t, t], 'indic_B': [f, f, f, f, f, f, f, f, t, t, t, t, t, f, f] }, index=pd.date_range("2018-01-01", "2018-01-15"))desired_result = pd.DataFrame({ 'from': ["2018-01-03", "2018-01-09", "2018-01-12", "2018-01-09"], 'to': ["2018-01-05", "2018-01-09", "2018-01-15", "2018-01-13"], 'what': ["indic_A", "indic_A", "indic_A", "indic_B"]})print(desired_result) from to what0 2018-01-03 2018-01-05 indic_A1 2018-01-09 2018-01-09 indic_A2 2018-01-12 2018-01-15 indic_A3 2018-01-09 2018-01-13 indic_B有沒有一種pythonic的、優(yōu)雅的方式來做到這一點——甚至可能是一個pandas函數(shù)？
2 回答
慕碼人2483693
TA貢獻1860條經(jīng)驗 獲得超9個贊
使用melt了重塑第一，然后創(chuàng)建幫手唯一的組列通過cumsum，過濾器只有True人民共同boolean indexing和聚合agg的功能first和last：
df = df.rename_axis('date').reset_index().melt('date', var_name='ind', value_name='boolean')
df['new'] = (~df['boolean']).cumsum()
df = (df[df['boolean']]
.groupby('new')
.agg({'date':['first','last'], 'ind':'first'})
.reset_index(drop=True))
df.columns = df.columns.map('_'.join)
print (df)
date_first date_last ind_first
0 2018-01-03 2018-01-05 indic_A
1 2018-01-09 2018-01-09 indic_A
2 2018-01-12 2018-01-15 indic_A
3 2018-01-09 2018-01-13 indic_B
BIG陽
TA貢獻1859條經(jīng)驗 獲得超6個贊
你可以試試 pd.DataFrame.shift
首先制作2個新的上下移位列
df['down_shift'] = df['indic'].shift()
df['up_shift'] = df['indic'].shift(-1)
并且df會像
indic down_shift up_shift
2018-01-01 False NaN False
2018-01-02 False False True
2018-01-03 True False True
2018-01-04 True True True
2018-01-05 True True False
2018-01-06 False True False
2018-01-07 False False False
2018-01-08 False False True
2018-01-09 True False False
2018-01-10 False True False
2018-01-11 False False True
2018-01-12 True False True
2018-01-13 True True True
2018-01-14 True True True
2018-01-15 True True NaN
這里的想法是
情況 1: (indic, down_shift) = (True, False) - 開始
情況 2: (indic, up_shift) = (True, False) - 結(jié)束
情況 3：情況 1 和情況 2 都發(fā)生 - 開始和結(jié)束
所以我們使用技巧
真 - 假 = 1
假 - 真 = -1
真 - 真 = 0
假 - 假 = 0
代碼：
case_start = df['indic'] - df['down_shift']
case_end = df['indic'] - df['up_shift']
start_date_list = df[case_start == 1].index
end_date_list = df[case_end == 1].index
然后我們檢查 start_date_list
DatetimeIndex(['2018-01-03', '2018-01-09', '2018-01-12'], dtype='datetime64[ns]', freq=None)
然后我們檢查 end_date_list
DatetimeIndex(['2018-01-05', '2018-01-09'], dtype='datetime64[ns]', freq='4D')
最后一個日期不會從 True 變?yōu)?False，因此我們需要手動添加它。
添加回答
舉報
0/150
提交
取消