Question

我有一个pandas.DataFrame，在连续的时间点进行测量。随着每次测量，被观察的系统在每个时间点都具有不同的状态。因此，DataFrame还包含一个列，其中包含每次测量时系统的状态。状态变化比测量间隔慢得多。因此，指示状态的列可能如下所示（index：state）：

是否有一种简单的方法来检索连续相等状态的每个段的索引。这意味着我想得到这样的东西：

[[1,2,3,4], [5,6,7,8], [9,10,11,12,13]]

结果也可能与普通列表不同。

到目前为止，我能想到的唯一解决方案是手动迭代行，找到段变化点并从这些变化点重建索引，但我希望有一个更简单的解决方案。

Answer 1

一衬垫：

df.reset_index().groupby('A')['index'].apply(np.array)

代码例如：

In [1]: import numpy as np

In [2]: from pandas import *

In [3]: df = DataFrame([3]*4+[4]*4+[1]*4, columns=['A'])
In [4]: df
Out[4]:
    A
0   3
1   3
2   3
3   3
4   4
5   4
6   4
7   4
8   1
9   1
10  1
11  1

In [5]: df.reset_index().groupby('A')['index'].apply(np.array)
Out[5]:
A
1    [8, 9, 10, 11]
3      [0, 1, 2, 3]
4      [4, 5, 6, 7]

您还可以直接访问groupby对象中的信息：

In [1]: grp = df.groupby('A')

In [2]: grp.indices
Out[2]:
{1L: array([ 8,  9, 10, 11], dtype=int64),
 3L: array([0, 1, 2, 3], dtype=int64),
 4L: array([4, 5, 6, 7], dtype=int64)}

In [3]: grp.indices[3]
Out[3]: array([0, 1, 2, 3], dtype=int64)

为了解决DSM提到的情况，您可以采取以下措施：

In [1]: df['block'] = (df.A.shift(1) != df.A).astype(int).cumsum()

In [2]: df
Out[2]:
    A  block
0   3      1
1   3      1
2   3      1
3   3      1
4   4      2
5   4      2
6   4      2
7   4      2
8   1      3
9   1      3
10  1      3
11  1      3
12  3      4
13  3      4
14  3      4
15  3      4

现在对两列进行分组并应用lambda函数：

In [77]: df.reset_index().groupby(['A','block'])['index'].apply(np.array)
Out[77]:
A  block
1  3          [8, 9, 10, 11]
3  1            [0, 1, 2, 3]
   4        [12, 13, 14, 15]
4  2            [4, 5, 6, 7]

Answer 2

您可以使用np.diff（）来测试段开始/结束的位置并迭代这些结果。这是一个非常简单的解决方案，所以可能不是最好的解决方案。

a = np.array([3,3,3,3,3,4,4,4,4,4,1,1,1,1,4,4,12,12,12])

prev = 0
splits = np.append(np.where(np.diff(a) != 0)[0],len(a)+1)+1

for split in splits:
    print np.arange(1,a.size+1,1)[prev:split]
    prev = split

结果：

[1 2 3 4 5]
[ 6  7  8  9 10]
[11 12 13 14]
[15 16]
[17 18 19]

在pandas数据帧中查找连续的段

2 个答案: