Question

我有以下数据帧，其中一列表示对话的每一秒的讲话者的ID（0,1），另一列表示该对话经过的秒数。

myDF = pd.DataFrame({'ID': [0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1], 'seconds': (np.arange(16))})

-------------------------------
   ID               Seconds
-------------------------------
   0                   0
   0                   1
   0                   2
   0                   3
   1                   4
   1                   5
   1                   6
   1                   7
   0                   8
   0                   9
   0                   10
   0                   11
   1                   12
   1                   13
   1                   14
   1                   15
-------------------------------

我只对发言者ID 1感兴趣，希望可以清楚地看到发言者1的语音边界在4-7秒之间，在12-15秒之间。我要生成的是一个单独的数据帧，其中包含每个扬声器1语音段的开始和结束，其中每一行都是一个不间断的语音时段。像这样：

--------------------------------
  start              end       
--------------------------------
    4                 7        
    12                15
--------------------------------

我有一些无法正常工作的伪代码，希望能概述我要实现的目标，但是到目前为止，我还没有找到正确的解决方案。本质上，对于每一行，我都将ID值与上一行进行比较（因为ID的变化表示语音的开始），并将相应的秒值添加到bdry数据帧中。同样，然后将每个ID值与下一行进行比较（因为这将表示语音结束）。

bdry = pd.DataFrame(columns=['start','end'])

for i in myDF:
    if i['ID'] == 1:
        if i.ID != i['ID'].shift(): # compare ID with previous
            bdry['start'].append(i['seconds'])
        if i.ID != i['ID'].shift(-1): # compare ID with next
            bdry['end'].append(i['seconds'])

Answer 1

import pandas as pd
from itertools import groupby


myDF = pd.DataFrame({'ID': [0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1], 'seconds': (np.arange(16))})

tmp, m = [], myDF['ID'] == 1
for v, g in groupby(zip(m.index, m), lambda k: k[1]):
    if v:
        g = list(g)
        tmp.append((g[0][0], g[-1][0]))

df = pd.DataFrame(tmp, columns=['start', 'end'])
print(df)

打印：

   start  end
0      4    7
1     12   15

Answer 2

使用以下代码：

result = myDF.groupby((myDF.ID != myDF.ID.shift()).cumsum()).agg(
    ID=('ID', 'first'), start=('seconds', 'first'), end=('seconds', 'last'))\
    .query('ID == 1').drop(columns='ID').reset_index(drop=True)

对于您的数据样本，结果是：

   start  end
0      4    7
1     12   15

如何迭代Pandas数据框中的多个列？

2 个答案: