在数据集中分割

Question

我正在寻找一种算法来解析0s（表示False）和99s（表示True）列表中的变量，以将它们分为2类。此列表实质上指示了另一个列表中的值是否超过某个阈值，如下面的图1所示。

我想获得类别1的值的列表，其中包含检测到的第一个99s的第一段以及之后的每个99s的备用段。而类别2的值列表将包含检测到的99s的第2个初始段和此后的99s的每个备用段。作为示例，下面的图2和图3是我想要获得的Category 1和Category 2值。您可能会找到我的代码来复制下面的图。

图1：

图2：

图3：

df = pd.DataFrame(np.random.uniform(50,100,size=(100, 1)))
df2 = pd.DataFrame(np.random.uniform(50,100,size=(100, 1)))
zeros1 = pd.DataFrame(np.zeros(80))
zeros2 = pd.DataFrame(np.zeros(50))
zeros3 = pd.DataFrame(np.zeros(150))
zeros4 = pd.DataFrame(np.zeros(80))
zeros5 = pd.DataFrame(np.zeros(50))
df3 = pd.DataFrame(np.random.uniform(50,100,size=(100, 1)))
df4 = pd.DataFrame(np.random.uniform(50,100,size=(100, 1)))
df5=pd.concat([zeros1, df, zeros2, df2, zeros3, df3, zeros4, df4, zeros5 ], ignore_index=True)
times = pd.date_range('2012-10-01', periods=len(df5), freq='1min')
df6 = pd.concat([pd.DataFrame(times), df5], axis = 1, ignore_index=True)

segment = []

for i in range(0,len(df6)):
    if df6.iloc[i,1]> 50:
        segment.append(99)
    else:
        segment.append(0)
        
plt.plot(df6[0], df6[1])
plt.plot(df6[0], segment, color = 'r')
plt.xticks(rotation='vertical')
plt.show()

Answer 1

此代码将循环访问0和99的列表，并记下每个99序列的开始和结束，并根据其奇偶性将其存储在其他列表中：

def get_alternate_segments(l):
  state_v,state_p = (0,0) # cycling through states (0,0), (99,0), (0,1), (99,1)
  segments = ([],[])
  for i,v in enumerate(l):
    if state_v == 0:
      if v == 99:
        start = i
        state_v = 99
    elif state_v == 99:
      if v == 0:
        end = i
        segments[state_p].append((start, end))
        state_v = 0
        state_p = 1 - state_p
  if state_v == 99:
    end = len(l)
    segments[state_p].append((start, end))
  return segments

测试

>>> l = [0,99,99,99,0,0,99,99,0,0,0,99,0,99,0,99,99,99]
>>> get_alternate_segments(l)
([(1, 4), (11, 12), (15, 18)], [(6, 8), (13, 14)])

它是如何工作的？？我们要记住，由于变量state_v，我们当前看到的是0还是99s。我们还记得由于变量state_p我们当前是否看到偶数或奇数段。

• 99段开始时，我们注意到i的值是该段的开始。
• 99段结束时，我们将i的值记为该段的结尾，并将该段作为一对(start, end)存储在segment[0]或{{1}中}，具体取决于平价。

请注意，成对的segment[1]与python的范围和列表切片约定一致。 即，从包含的(start, end)到排除的start。