Question

我想模拟一个包含以下内容的系统：

一个发射器，产生在[0,1000）ms内随机间隔的n个事件
一个消费者，以f ms的间隔均匀地对事件流进行采样
一个消费者，以g ms的间隔均匀地对事件流进行采样

例如，f采样5ms，g采样10ms，序列可能如下：

0ms: f samples, g samples
5ms: f samples
10ms: f samples, g samples
12ms: event arrives
13ms: event arrives
15ms: f samples
20ms: f samples, g samples
25ms f samples
27ms: event arrives
30ms f samples, g samples
35ms f samples
37ms: event arrives

对于每次排放，最接近事件时间（但在事件时间之后）的消费者“获胜”。如果出现平局，应该随机选择获胜者。例如，f的15ms样本同时赢得了12ms和13ms的事件。

我试图通过将时间轴合并到一个索引来实现这一点：

import numpy as np
import pandas as pd

f = np.arange(0, 40, 5)
g = np.arange(0, 40, 10)
events = [12, 13, 27, 37]

df = pd.concat([pd.Series(f, f), pd.Series(g, g), pd.Series(events, events)], axis=1)

产生这样的DataFrame：

     f   g  events
0    0   0     NaN
5    5 NaN     NaN
10  10  10     NaN
12 NaN NaN      12
13 NaN NaN      13
15  15 NaN     NaN
20  20  20     NaN
25  25 NaN     NaN
27 NaN NaN      27
30  30  30     NaN
35  35 NaN     NaN
37 NaN NaN      37

我一直在努力寻找获胜者，并针对以下汇总进行各种操作：

In [103]: pd.expanding_max(df)
     f   g  events
0    0   0     NaN
5    5   0     NaN
10  10  10     NaN
12  10  10      12
13  10  10      13
15  15  10      13
20  20  20      13
25  25  20      13
27  25  20      27
30  30  30      27
35  35  30      27
37  35  30      37

...但一直很难找到一只大熊猫的方法。

我觉得非常接近以下内容：

In [141]: x = pd.expanding_min(df.sort(ascending=False))
          gx = x.groupby('events')
          print gx.max()
events        
12      15  20
13      15  20
27      30  30
37      35  30

有什么想法吗？

Answer 1

使用bfill在“f”和“f”中向后填充NaN “g”栏：

import numpy as np
import pandas as pd

f = np.arange(0, 40, 5)
g = np.arange(0, 40, 10)
events = [12, 13, 27, 37]

df = pd.concat([pd.Series(f, f), pd.Series(g, g), pd.Series(events, events)], axis=1)
df.columns = "f", "g", "event"
df[["f", "g"]] = df[["f", "g"]].bfill()
df2 = df.dropna()
print df2

这是输出：

     f   g  event
12  15  20     12
13  15  20     13
27  30  30     27

然后我们可以比较f＆amp; G：

print np.sign(df2.f - df2.g).replace({-1:"f", 1:"g", 0:"fg"})

输出是：

12     f
13     f
27    fg
dtype: object

这意味着在12＆amp; 13表示“f”，27表示事件应随机选择。

使用pandas模拟事件系统

1 个答案: