Question

我有一个重新采样的df：

          Timestamp         Loading      Power      Energy      ID      status
2020-04-09 06:45:00             1.0       1000        5000       1          on
2020-04-09 06:46:00             1.0       1000        5500       1          on
2020-04-09 06:47:00             NaN        NaN         NaN     NaN         NaN
2020-04-09 06:48:00             NaN        NaN         NaN     NaN         NaN
2020-04-09 06:49:00             1.0          5           0       1         off
2020-04-09 06:50:00             1.0       3000         200       2          on
...

第一件事：df ['Loading']最初是'boolean'类型，没有数字（1或0）-我该如何更改？

只需简单地继续df ['status']列的NaN值（最后一个条目为开，然后应将行填充为开，直到出现关）。

现在，应根据状态是打开还是关闭来不同地填充其他列的其他行：

状态==开启：loading ='true';能量=最后存在的条目；功率=最后存在的条目； id ==最后一个现有条目

状态==关闭：loading ='false';能量= 0;功率= 0; ID =“无ID”。

我尝试过类似的事情：

cond = (df2['Status'] != df2['Status'].shift(-1)) | (df2['Status'].notna())
df2.loc[cond] = df2.loc[cond].ffill()

没有期望的成功...

预期结果：

          Timestamp         Loading      Power      Energy      ID      status
2020-04-09 06:45:00            True       1000        5000       1          on
2020-04-09 06:46:00            True       1000        5500       1          on
2020-04-09 06:47:00            True       1000        5500       1          on
2020-04-09 06:48:00            True       1000        5500       1          on
2020-04-09 06:49:00           False          5           0   no Id         off
2020-04-09 06:49:00            True       3000         200       2          on
...

编辑填充nan值的条件比预期的要复杂：我有不同的周期，这些周期用不同的ID标记。在一个周期内（ID出现在nan值之前和之后），应平均两条“环绕”线的功率，并在列能量中输入列能量的最后一个现有值。在周期之外（ID之前的ID =下一个ID），功率和能量应设置为0。

Answer 1

用于这样的循环

df [“状态”] = [df [“状态”] .values [i-1]如果pd.isna（x）否则x代表i，x枚举（df [“ status”] .values）]

Answer 2

首先，对于布尔值列，您可以使用：

df["Loading"] = df["Loading"].map({1:True, np.nan: False})

用于填写NA：

df["status"] = df["status"].ffill()

最后，对于这种情况，我不完全理解您的描述，是否在某些情况下应为“无ID”？也许这行得通：

df.at[df[status]=="off","ID"] = "no ID"

在条件下填充df的NaN值

2 个答案: