Question

以下是我拥有的数据框。 JourneyGroup是我的预期专栏。

    Day  Journey  InitialValue  Value  JourneyGroup
0    12        1           3.0      4             1
1    12        1           4.0      5             1
2    12        0           NaN      7             1
3    12        0           NaN      2             1
4    12        1           5.0      8             2
5    12        0           NaN      9             2
6    13        1           3.0      4             3
7    13        1           4.0      5             3
8    13        0           NaN      7             3
9    13        0           NaN      6             3
10   13        1           1.0      2             3
11   13        0           NaN      9             0

如果Journey == 1，则表示旅程的开始。只要Journey处于打开状态，其他Journey就不能在随后的行中的同一Day中开始。如果当前行Journey，则Value < InitialValue(from the first row of a journey)将结束。一旦确定了Journey的开始和结束，便在JourneyGroup分组的Day中分配了一个组号。

例如，在第一行Journey ==1中，然后Journey开始。在第二行中，它也是Journey==1，但是第一行中的Journey已经打开，因此从第二行开始，它只是从行中第一个Journey的延续。第一排。在第4行中，分配标记Value of 2 < InitialValue of 3和Journey为1的结尾的JourneyGroup。

我可以使用ngroup或pd.categorical来分配组并检查条件通过执行以下操作： df.Value<df.groupby(['Group??']).InitialValue.transform('first')，但不确定如何在将Journey设置为ON或OFF的同时保留内存的情况下，如何将概念进行迭代组合。

NB：-Journey不能跨越多天，并且必须在同一天结束，就像Journey2结束一样，即使Value始终大于InitialValue。 / p>

Answer 1

这是一种尝试，需要更多数据进行测试：

t_num = ((df['Value'].shift() < df.groupby(['Day',df.groupby('Day')['Journey'].cummax()])['Value'].transform('first')) | df['Day'].diff().bfill().ne(0)).cumsum() + 1
m = t_num.diff().bfill().eq(1) & df.Journey.eq(0)
t_num = t_num.mask(m,0)
df['JGroup'] = t_num
df

输出：

    Day  Journey  InitialValue  Value  JourneyGroup  JGroup
0    12        1           3.0      4             1       1
1    12        1           4.0      5             1       1
2    12        0           NaN      7             1       1
3    12        0           NaN      2             1       1
4    12        1           5.0      8             2       2
5    12        0           NaN      9             2       2
6    13        1           3.0      4             3       3
7    13        1           4.0      5             3       3
8    13        0           NaN      7             3       3
9    13        0           NaN      6             3       3
10   13        1           1.0      2             3       3
11   13        0           NaN      9             0       0

说明：

Groupby Day并查找旅程的开始，并将当天的所有日期都设置为“旅程”，因为我们不确定旅程何时停止：

df.groupby('Day')['Journey'].cummax()

接下来，在新的groupby中使用该值，以在旅程开始时查找第一个值，并使用transform将其沿组的长度复制。

df.groupby(['Day',df.groupby('Day')['Journey'].cummax()])['Value'].transform('first')

使用，移动以与下一条记录进行比较。如果比较小于，则返回True，或者如果日期更改返回True，则表示旧旅程的结束和新旅程的开始。使用cumsum递增计数器。

接下来使用该计数索引，需要屏蔽掉以旅途= 0开始一个新组的记录。

m = t_num.diff().bfill().eq(1) & df.Journey.eq(0)
t_num = t_num.mask(m,0)

这确实只是一个开始。我觉得这段代码不够强大，无法处理其他数据集。

遍历熊猫数据框，同时保留较早状态的内存

1 个答案: