Question

我的问题最好用一个例子来描述，比如t是时间索引，而x是数据，我们有输入

t = [1,2,3, 7,9,11, 17,18,20]
x = [1,2,3, 4,5,6,   7,8,9]
s = ['P', 'P', 'N',  'N', 'N', 'N', 'P', 'P', 'P']
window = 2

期望的输出：

t1 = [1, 3, 7, 17]
x1 = [3, -3, -15, 24]

即。我想对x进行聚类，使得如果2个连续样本的时间戳差别为＆lt; = window，并且它们具有相同的s值，则将它们放在一起，并将它们中的所有内容相加。相同的集群。而且，那些s值为N的聚类使它们成为负数。然后，将每个群集中第一个样本的时间戳记作为该群集的时间。

我如何在熊猫中这样做？

实施例的说明：簇是（1,2），（3），（4,5,6），（7,8,9）。（3）必须在它自己的集群中，因为即使它与它的前身很接近，它也有不同的标志。（4,5,6）都是负数（s值是N），因此该簇的指定值是 - （4 + 5 + 6）= -15

Answer 1

这是一个开始。给定值的数据帧，添加三个新列，数据向后移动一次。还要添加x的签名版本。

df = pd.DataFrame({'t':t, 'x':x, 's':s})
df[['s_1', 't_1', 'x_1']] = df.shift(-1)
df['x_signed'] = np.where(df['s'] == 'N', -1 * df['x'], df['x'])

根据您的两个可能条件，添加一个表示新群集开始的布尔列。

df['cluster'] = (df['s'] != df['s_1']) | (df['t_1'] - df['t'] > window)

通过向后移动一次，填充第一个值（组0），转换为整数，然后获取累积总和，将其转换为组号。

df['cluster'] = df['cluster'].shift(1).fillna(False).astype(int).cumsum()

然后从那里，它很容易分组并得到你的输出。

In [72]: df.groupby('cluster').agg({'t':'first', 'x_signed':'sum'})
Out[72]: 
          t  x_signed
cluster              
0         1         3
1         3        -3
2         7       -15
3        17        24

熊猫 - 相互接近的交易活动

1 个答案: