Question

我有以下数据框：

                 dt binary
2016-01-01 00:00:00  False
2016-01-01 00:00:01  False
2016-01-01 00:00:02  False
2016-01-01 00:00:03  False
2016-01-01 00:00:04   True
2016-01-01 00:00:05   True
2016-01-01 00:00:06   True
2016-01-01 00:00:07  False
2016-01-01 00:00:08  False
2016-01-01 00:00:09   True
2016-01-01 00:00:10   True

我想总算binary为True时经过的时间。我正在分享我的解决方案，它实现了它，但有些东西告诉我应该有一个更简单的方法，因为它是时间序列数据的一个非常基本的功能。请注意，数据很可能是等距的，但我不能依赖它。

df['binary_grp'] = (df.binary.diff(1) != False).astype(int).cumsum()
# Throw away False values
df = df[df.binary]
groupby = df.groupby('binary_grp')
df = pd.DataFrame({'timespan': groupby.dt.last() - groupby.dt.first()})
return df.timespan.sum().seconds / 60.0

最棘手的部分可能是第一行。它做什么，它基本上为每个连续的块分配一个递增的数字。以下是数据之后的情况：

                 dt binary  binary_grp
2016-01-01 00:00:00  False           1
2016-01-01 00:00:01  False           1
2016-01-01 00:00:02  False           1
2016-01-01 00:00:03  False           1
2016-01-01 00:00:04   True           2
2016-01-01 00:00:05   True           2
2016-01-01 00:00:06   True           2
2016-01-01 00:00:07  False           3
2016-01-01 00:00:08  False           3
2016-01-01 00:00:09   True           4
2016-01-01 00:00:10   True           4

有没有更好的方法来实现这一目标？我想这个代码是高性能的，我的担心是可读性。

Answer 1

在我看来，你的解决方案很好。

另一种解决方案：

将shift ed值与ne进行比较，按cumsum获取分组。

过滤后，可以使用apply选择df['binary_grp'] = (df.binary.ne(df.binary.shift())).cumsum() df = df[df.binary] s = df.groupby('binary_grp')['dt'].apply(lambda x: x.iloc[-1] - x.iloc[0]) print (s) binary_grp 2 00:00:02 4 00:00:01 Name: dt, dtype: timedelta64[ns] all_time = s.sum().seconds / 60.0 print (all_time) 0.05来使用DataFrame：

all_time

在您的解决方案中，如果只需要groupby = df.groupby('binary_grp') s = groupby.dt.last() - groupby.dt.first() all_time = s.sum().seconds / 60.0 print (all_time) 0.05：

，则不需要新的Series

但如果需要，可以通过iloc从df1 = s.to_frame('timestamp') print (df1) timestamp binary_grp 2 00:00:02 4 00:00:01 Call<ListData> listDataCall = youTubeApi.getlists(channelId, apiKey); listDataCall.enqueue(new Callback<ListData>() { @Override public void onResponse(Call<PlaylistData> call, Response<PlaylistData> response) { int statusCode = response.code(); ListData listData = response.body(); Log.d("list", "onResponse: " + statusCode); ListAdapter adapter = new ListAdapter(listData.getListItems()); //Error is here recyclerView.setAdapter(adapter); } @Override public void onFailure(Call<PlaylistData> call, Throwable t) { Log.d("Playlist", "onResponse: " + t.getMessage()); } });创建：

private final Context context;
private List<ListItem> myPlayList; 
public ListAdapter(List<ListItem> cPlaylist, Context _context) {
    myPlayList = cPlaylist;
    context = _context;
}

Answer 2

IIUC：

您希望查找binary为True的整个系列的时间总和。

但是，我们必须做出一些选择或假设

                    dt  binary
0  2016-01-01 00:00:00   False
1  2016-01-01 00:00:01   False
2  2016-01-01 00:00:02   False
3  2016-01-01 00:00:03   False
4  2016-01-01 00:00:04    True # <- This where time starts
5  2016-01-01 00:00:05    True
6  2016-01-01 00:00:06    True
7  2016-01-01 00:00:07   False # <- And ends here. So this would
8  2016-01-01 00:00:08   False # be 00:00:07 - 00:00:04 or 3 seconds
9  2016-01-01 00:00:09    True # <- Starts again
10 2016-01-01 00:00:10    True # <- But ends here because
                               # I don't have another Timestamp

根据这些假设，我们可以使用diff，乘以及sum

df.dt.diff().shift(-1).mul(df.binary).sum()

Timedelta('0 days 00:00:04')

然后我们可以将此概念与groupby

一起使用

# Use xor and cumsum to identify change in True to False and False to True
grps = (df.binary ^ df.binary.shift()).cumsum()
mask = df.binary.groupby(grps).first()
df.dt.diff().shift(-1).groupby(grps).sum()[mask]

binary
1   00:00:03
3   00:00:01
Name: dt, dtype: timedelta64[ns]

或没有面具

pd.concat([df.dt.diff().shift(-1).groupby(grps).sum(), mask], axis=1)

             dt  binary
binary                 
0      00:00:04   False
1      00:00:03    True
2      00:00:02   False
3      00:00:01    True

当条件为真时，熊猫会测量经过的时间

2 个答案: