Question

希望能帮助解决一整天困扰我的问题。我有一个实验数据，通过屏幕要求主题按下键盘上的四个按钮之一 - ＆＃39; m＆＃39;＆＃39; x＆＃39;＆＃39; n＆＃39; ，＆＃39; z＆＃39; - 进行1600次试验。在偶数试验中，按钮按下服从随机选择的图案（例如mnzxmnzxmnzx），但在奇数试验中，按下按钮是随机选择的。我给出的数据集仅包含受试者在哪个试验中按哪个键。我需要找出：

（1）主题的模式是什么。（我试过这个，因为模式重复了）

def find_pattern(df):
'''find the pattern for this subject'''
   criterion = df['trial'].isin([1, 3, 5, 7])
   the_pattern = df[criterion].circle_key.tolist()
   return df


df = df.groupby('sid').apply(find_pattern)

（2）找出这个主题模式的可能组合（即如果我按下“下一个模式元素将是＆＃39; x＆＃39;）

为此我尝试了一堆不同的itertools，但没有一个完全符合我的要求。我想基本上采取这个清单：

 ['m', 'x', 'z', 'n']

我得到的每一个（1）并完成两个IN ORDER的所有可能组合。所以这将是：

 [('m', 'x'), ('x', 'z'), ('z', 'n'), ('n', 'm')]

没有其他可能性。然后，我想创建一个列，在最后三次试验（包括当前试验）中生成三联体，如下面的triplet栏所示。我觉得必须有某种滚动窗口，或者简单的方法选择最后三次试验。我已经尝试了各种错误的东西 - 我似乎无法弄清楚如何引用＆＃34;当前＆＃34;数据框中的行（不使用for列表）...

我需要这些值，因为我需要比较triplet的第一个和最后一个元素是否是可能的组合之一（possible_comb）。（因此对于试验3，答案是正确的，而试验4答案是假的）。

非常感谢任何帮助。我目前的数据如下：

trial sid key
1     1   'm'
2     1   'm'  
3     1   'x'
4     1   'n'
5     1   'x'
6     1   'x'
7     1   'n'
1     2   'm'
2     2   'm'
...   ...

我希望它看起来像这样：

trial sid key    pattern               possible_comb                                 triplet
1     1   'm'    ['m', 'x', 'x', 'n']  [('m','x'), ('x','x'), ('x','n'), ('n', 'm')] NaN
2     1   'm'    ['m', 'x', 'x', 'n']  [('m','x'), ('x','x'), ('x','n'), ('n', 'm')] NaN
3     1   'x'    ['m', 'x', 'x', 'n']  [('m','x'), ('x','x'), ('x','n'), ('n', 'm')] ['m', 'm', 'x']
4     1   'n'    ['m', 'x', 'x', 'n']  [('m','x'), ('x','x'), ('x','n'), ('n', 'm')] ['m', 'x', 'n']
5     1   'x'    ['m', 'x', 'x', 'n']  [('m','x'), ('x','x'), ('x','n'), ('n', 'm')] ['x', 'n', 'x']
6     1   'x'    ['m', 'x', 'x', 'n']  [('m','x'), ('x','x'), ('x','n'), ('n', 'm')] ['n', 'x', 'x'] 
7     1   'n'    ['m', 'x', 'x', 'n']  [('m','x'), ('x','x'), ('x','n'), ('n', 'm')] ['x', 'x', 'n']
1     2   'n'    ['n', 'x', 'm', 'n']  [('m','x'), ('x','x'), ('x','n'), ('n', 'm')] NaN
2     2   'm'    ['n', 'x', 'm', 'n']  [('m','x'), ('x','x'), ('x','n'), ('n', 'm')] NaN
...   ...

Answer 1

要获得“模式”，您只需要对主题ID进行分组并采用其他所有元素。可以这样做：

>>> d.groupby('sid')['key'].apply(lambda c: list(c[::2]))
sid
1      ['m', 'x', 'x', 'n']

（我将你的例子截断为只包含一个主题，因为你只包含来自主题2的部分数据，这个数据太短而不具有“模式”。所以这是主题1的模式。）

如果要在相应主题的原始DataFrame的每一行中复制该数据，请使用map获取每个主题ID的模式：

>>> d['pattern'] = d.sid.map(d.groupby('sid')['key'].apply(lambda c: list(c[::2])))
>>> d
   trial  sid  key               pattern
0      1    1  'm'  ['m', 'x', 'x', 'n']
1      2    1  'm'  ['m', 'x', 'x', 'n']
2      3    1  'x'  ['m', 'x', 'x', 'n']
3      4    1  'n'  ['m', 'x', 'x', 'n']
4      5    1  'x'  ['m', 'x', 'x', 'n']
5      6    1  'x'  ['m', 'x', 'x', 'n']
6      7    1  'n'  ['m', 'x', 'x', 'n']

要获得顺序组合，您只需将第一个元素添加到末尾（以便序列“循环”），然后通过抓取两个元素的子列表来提取组合，使用如下函数：

def getCombs(pattern):
    pattern = pattern + [pattern[0]]
    return [pattern[ix:ix+2] for ix in xrange(len(pattern)-1)]

然后你可以将模式放到你的DataFrame中：

>>> d['combs'] = d.pattern.map(getCombs)
>>> d.combs
0    [['m', 'x'], ['x', 'x'], ['x', 'n'], ['n', 'm']]
1    [['m', 'x'], ['x', 'x'], ['x', 'n'], ['n', 'm']]
2    [['m', 'x'], ['x', 'x'], ['x', 'n'], ['n', 'm']]
3    [['m', 'x'], ['x', 'x'], ['x', 'n'], ['n', 'm']]
4    [['m', 'x'], ['x', 'x'], ['x', 'n'], ['n', 'm']]
5    [['m', 'x'], ['x', 'x'], ['x', 'n'], ['n', 'm']]
6    [['m', 'x'], ['x', 'x'], ['x', 'n'], ['n', 'm']]
Name: combs, dtype: object

（我这里只显示“梳子”列，因为包括所有列使得它太宽而无法显示。）

Itertools：根据前三行或列表中的前一个元素选择pandas

1 个答案: