熊猫 - 彼此靠近的分桶事件

Question

我的问题最好用一个例子来描述，比如t是时间索引，x是数据，我们有输入

t = [1,2,3, 7,9,11, 17,18,20]
x = [1,2,3, 4,5,6,   7,8,9]
s = ['P', 'P', 'N',  'N', 'N', 'N', 'P', 'P', 'P']
window = 2

期望的输出：

t1 = [1, 3, 7, 17]
x1 = [3, -3, -15, 24]

即我想对 x 进行聚类，如果 2 个连续样本的时间戳差异为 svalue，则将它们放在一起，然后将同一集群中的所有样本相加。此外，那些 s 值为 N 的集群使它们成为负值。 然后，将每个簇中第一个样本的时间戳作为该簇的时间。

如何在 pandas 中做到这一点？

示例说明：簇是 (1,2), (3), (4,5,6), (7,8,9)。 (3) 必须在它自己的集群中，因为即使它接近它的前任，它也有不同的符号。 (4,5,6) 都是负数（s 值为 N），因此该簇的分配值为 -(4+5+6) = -15

Answer 1

这是一个开始。给定您的值的数据框，添加三个新列，其中数据向后移动一次。还要添加 x 的签名版本。

df = pd.DataFrame({'t':t, 'x':x, 's':s})
df[['s_1', 't_1', 'x_1']] = df.shift(-1)
df['x_signed'] = np.where(df['s'] == 'N', -1 * df['x'], df['x'])

根据您的两个可能条件添加一个表示新集群开始的布尔列。

df['cluster'] = (df['s'] != df['s_1']) | (df['t_1'] - df['t'] > window)

将其转换为组数，方法是向后移动一次，填充第一个值（组 0），转换为整数，然后取一个累积和。

df['cluster'] = df['cluster'].shift(1).fillna(False).astype(int).cumsum()

然后从那里开始，很容易分组并获得你的输出。

In [72]: df.groupby('cluster').agg({'t':'first', 'x_signed':'sum'})
Out[72]: 
          t  x_signed
cluster              
0         1         3
1         3        -3
2         7       -15
3        17        24