Skip to main content
 首页 » 编程设计

基于 Pandas 时间序列级别创建 1 和 0 的递归序列的 Pythonic 方法

2025年04月02日9thcjp

我正在尝试清理我有数据框的代码:

df = pd.DataFrame({'value': {'2016-09-21': 13.30, 
  '2016-09-22': 12.02, 
  '2016-09-23': 12.28, 
  '2016-09-26': 14.5, 
  '2016-09-27': 13.1, 
  '2016-09-28': 12.39, 
  '2016-09-29': 14.02}}) 

我有一个基于电平的 ON 和 OFF 信号。当“值(value)”向上穿越 14.39 时,我想要 1 直到它向下穿越 12.50 这样有:

df 
             value  sig 
2016-09-21 13.3000    0 
2016-09-22 12.0200    0 
2016-09-23 12.2800    0 
2016-09-26 14.5000    1 
2016-09-27 13.1000    1 
2016-09-28 12.3900    0 
2016-09-29 14.0200    0 

我正在通过一个循环来解决这个问题,但我很确定有更好的方法来解决这个问题。这是我的方法:

off, on, sig = 14.39, 12.50, 0 
log = [] 
for level in df.itertuples(): 
    if level.value > off: 
        sig = 1 
    elif (sig == 1) & (level.value < on): 
        sig = 0 
    log.append([level.value, sig]) 
log = pd.DataFrame(log, index=df.index, columns=['value', 'sig']) 

请您参考如下方法:

这是一个使用 pandas.Series.where 方法的矢量化解决方案:

import numpy as np 
 
ON, OFF = 14.39, 12.50 
df['sig'] = 0                                 #  set the initial value to be 0 
df['sig'] = (df.sig.where(df.value < ON, 1)   #  if value > ON, set it 1 
                   .where((df.value < OFF) | (df.value > ON), np.nan)   
                                              #  if value < ON, and value > OFF, set it nan 
                   .ffill().fillna(0))        # forward fill the nan value as they depend  
                                              # on their previous state, and fill initial  
                                              # value as 0 
df 
 
#           value   sig 
#2016-09-21 13.30     0 
#2016-09-22 12.02     0 
#2016-09-23 12.28     0 
#2016-09-26 14.50     1 
#2016-09-27 13.10     1 
#2016-09-28 12.39     0 
#2016-09-29 14.02     0 

类似的np.where()方法,意图可能更清晰:

import numpy as np 
df['sig'] = np.where(df.value > ON, 1, np.where(df.value < OFF, 0, np.nan)) 
df['sig'] = df.sig.ffill().fillna(0)