Question

我有大约6-7位感兴趣的测量数据，但是由于它是在“恶劣”环境中记录的，因此数据记录器相当原始（但功能强大），只能记录4位数字。因此，我将测量数据分为低部分和高部分，根据所测量的数量，最高三位数可能会重叠，低部分的值优先。

例如测量以kW为单位的能量流：

P_real = 34.648  # actual value
P_low = 4.648  # low part
P_high = 34.6  # high part

因此，在这种情况下，为了获得“实际”能量流，我需要以某种方式组合数字。由于我有一个很大的pandas DataFrame，其形状大于(1000000, 150)，因此必须避免转换为字符串并在正确的位置切片。

此外，数据中还包含NaN个。这妨碍了整数转换，因此在“组合”各部分之前还需要掩蔽。

一些示例数据：

ser_hi = pd.Series([34.4, np.nan, np.nan, 35.4, 36.5])
ser_lo = pd.Series([4.648, np.nan, 4.698, 5.498, 6.498])

当前“解决方法”过程的预期输出：

mask_nan = ~(ser_hi.isna() | ser_lo.isna())  # mask for non-nan-values
ser_real = pd.Series(index=ser_hi.index)  # create series for masking the result
# workaround calculation with masking to avoid nan-conversion error
ser_real[mask_nan] = (ser_hi[mask_nan] / 10).astype(int) * 10 + ser_lo[mask_nan]
print(ser_real)
# Out: 0    34.648
       1    NaN
       2    NaN
       3    35.498
       4    36.498
       dtype: float64

有什么方法可以通过仅“丢弃”指定位数之前/之后的数字来“促进”此组合？例如，好像我将两个字符串组合如下：

str_hi = '34.4'
str_lo = '4.648'
str_real = str_hi[:1] + str_lo

但是对于浮点数来说当然是这样，因为字符串的性能很糟糕。（即使性能还可以，我只是不喜欢将数字数据转换为字符串然后再转换为数字数据。；））

谢谢您的建议！

Answer 1

如果选择剪切小数点处的信号，则可以执行以下操作：

df = pd.DataFrame({'high':[34.4, np.nan, np.nan, 35.4, 36.5],
                   'low': [4.648, np.nan, 4.698, 5.498, 6.498]})

# flag the NaN signals
flags = ~df.isna().any(axis=1)

df[flags].high.map(int) + df[flags].low - df[flags].low.map(int)

输出：

0    34.648
3    35.498
4    36.498
dtype: float64

Answer 2

不确定是否能回答您的问题，但是使用np.trunc数据代替astype(int)可以解决此问题

NaN

合并数字，由低部分和高部分重叠

2 个答案: