Skip to main content
 首页 » 编程设计

python之Pandas之参数为 "1"的持续时间

2024年11月24日13zlslch

我是 python 和 pandas 的新手,我正在尝试解决这个问题:

我有一个看起来像这样的数据集:

timestamp       par_1 par_2 
1486873206867   0     0 
1486873207039   NaN   0 
1486873207185   0     NaN 
1486873207506   1     0 
1486873207518   NaN   NaN 
1486873207831   1     0 
1486873208148   0     NaN 
1486873208469   0     1 
1486873208479   1     NaN 
1486873208793   1     NaN 
1486873208959   NaN   1 
1486873209111   1     NaN 
1486873209918   NaN   0 
1486873210075   0     NaN 

我想知道每个参数的事件“1”的总持续时间。 (参数只能为NaN、1或0)

我已经试过了

df['duration_par_1'] = df.groupby(['par_1'])['timestamp'].apply(lambda x: x.max() - x.min())

但为了进一步处理,我只需要将事件“1”的持续时间放在新列中,然后该持续时间需要放在新列的每一行中,这样它看起来像这样:

timestamp       par_1 par_2  duration_par_1  duration_par2 
1486873206867   0     0      2238            1449 
1486873207039   NaN   0      2238            1449 
1486873207185   0     NaN    2238            1449 
1486873207506   1     0      2238            1449 
1486873207518   NaN   NaN    2238            1449 
1486873207831   1     0      2238            1449 
1486873208148   0     NaN    2238            1449 
1486873208469   0     1      2238            1449 
1486873208479   1     NaN    2238            1449 
1486873208793   1     NaN    2238            1449 
1486873208959   NaN   1      2238            1449 
1486873209111   1     NaN    2238            1449 
1486873209918   NaN   0      2238            1449 
1486873210075   0     NaN    2238            1449 

提前致谢!

请您参考如下方法:

我相信您需要根据日期时间的差异为 par 列设置多个值,因为不存在其他值,例如 0、1 和 NaN 在数据中:

d = df['timestamp'].diff() 
df1 = df.filter(like='par') 
#if need duration by some value e.g. by `0` 
#df1 = df.filter(like='par').eq(0).astype(int) 
s = df1.mul(d, axis=0).sum().astype(int).add_prefix('duration_') 
 
df = df.assign(**s) 
print (df) 
        timestamp  par_1  par_2  duration_par_1  duration_par_2 
0   1486873206867    0.0    0.0            1110             487 
1   1486873207039    NaN    0.0            1110             487 
2   1486873207185    0.0    NaN            1110             487 
3   1486873207506    1.0    0.0            1110             487 
4   1486873207518    NaN    NaN            1110             487 
5   1486873207831    1.0    0.0            1110             487 
6   1486873208148    0.0    NaN            1110             487 
7   1486873208469    0.0    1.0            1110             487 
8   1486873208479    1.0    NaN            1110             487 
9   1486873208793    1.0    NaN            1110             487 
10  1486873208959    NaN    1.0            1110             487 
11  1486873209111    1.0    NaN            1110             487 
12  1486873209918    NaN    0.0            1110             487 
13  1486873210075    0.0    NaN            1110             487 

解释:

首先获取timestamp列的差异:

print (df['timestamp'].diff()) 
0       NaN 
1     172.0 
2     146.0 
3     321.0 
4      12.0 
5     313.0 
6     317.0 
7     321.0 
8      10.0 
9     314.0 
10    166.0 
11    152.0 
12    807.0 
13    157.0 
Name: timestamp, dtype: float64 

通过 filter 选择字符串 par 的所有列:

print (df.filter(like='par')) 
    par_1  par_2 
0     0.0    0.0 
1     NaN    0.0 
2     0.0    NaN 
3     1.0    0.0 
4     NaN    NaN 
5     1.0    0.0 
6     0.0    NaN 
7     0.0    1.0 
8     1.0    NaN 
9     1.0    NaN 
10    NaN    1.0 
11    1.0    NaN 
12    NaN    0.0 
13    0.0    NaN 

按 mul 过滤的多个列通过 d:

print (df1.mul(d, axis=0)) 
    par_1  par_2 
0     NaN    NaN 
1     0.0    0.0 
2     0.0    0.0 
3   321.0    0.0 
4     0.0    0.0 
5   313.0    0.0 
6     0.0    0.0 
7     0.0  321.0 
8    10.0    0.0 
9   314.0    0.0 
10    0.0  166.0 
11  152.0    0.0 
12    0.0    0.0 
13    0.0    0.0 

和求和值:

print (df1.mul(d, axis=0).sum()) 
par_1    1110.0 
par_2     487.0 
dtype: float64 

转换为 integer 并按 add_prefix 更改索引:

print (df1.mul(d, axis=0).sum().astype(int).add_prefix('duration_')) 
duration_par_1    1110 
duration_par_2     487 
dtype: int32 

最后创建新列的时间为 assign .