Question

鉴于具有日期列和值列的数据集，我需要提出根据值列中的趋势按日期细分数据的最佳解决方案。我的输出应为CSV文件，其列为：StartDate，EndDate，StartValue，EndValue。开始日期和结束日期定义了细分的范围。给出了一个简短的示例：输入数据：

 **Date**        **Value**
  01/01/2014        10
  01/02/2014        5
  01/03/2014        5
  01/04/2014        0

输出：

 **StartDate**   **EndDate**   **StartValue**   **EndValue**
   01/01/2014      01/15/2014        10              5
   01/16/2014      02/03/2014         5              5
   02/04/2014      03/10/2014         5              4

Answer 1

使用pandas.DataFrame.shift（docs）的方法。

首先，我将创建一个包含一些数据的数据框：

import pandas as pd
datelist = pd.date_range('1/1/2019', periods=100).tolist()
values = np.random.randint(1, 5, 100)
df = pd.DataFrame({'Date': datelist, 'Value': values})
df = df.set_index('Date')
df.head(10)

Date        Value
2019-01-01  1
2019-01-02  4
2019-01-03  2
2019-01-04  2
2019-01-05  2
2019-01-06  3
2019-01-07  2
2019-01-08  2
2019-01-09  3
2019-01-10  2

连续丢弃重复的行：

df = df.loc[df.Value.shift() != df.Value]

Date        Value
2019-01-01  2
2019-01-02  1
2019-01-04  2
2019-01-05  3
2019-01-06  1

重置索引（如果Date列是原始数据中的索引）：

df = df.reset_index()

将现有列重命名为开始列。

df.columns = ['Start_Date', 'Start_Value']

通过将起始列移回第一行来创建末列。

df['End_Date'] = df.Start_Date.shift(-1)
df['End_Value'] = df.Start_Value.shift(-1)

丢弃NaN（由于shift(-1)，数据帧的最后一行。

df = df.dropna()

将End_Value类型设置为int（如果需要）。

df['End_Value'] = df['End_Value'].astype(int)
df.head(10)

    Start_Date  Start_Value End_Date    End_Value
0   2019-01-01  1           2019-01-02  4
1   2019-01-02  4           2019-01-03  2
2   2019-01-03  2           2019-01-06  3
3   2019-01-06  3           2019-01-07  2
4   2019-01-07  2           2019-01-09  3
5   2019-01-09  3           2019-01-10  2
6   2019-01-10  2           2019-01-11  1
7   2019-01-11  1           2019-01-12  2
8   2019-01-12  2           2019-01-15  1
9   2019-01-15  1           2019-01-16  4

从数据框创建CSV文件：

df.to_csv('trends.csv')

基于趋势值的数据处理

1 个答案: