使用 numpy 计算条纹

Question

我正在尝试仅使用 numpy 计算正负和无条纹。这个问题我必须弄清楚我所有的研究都认为我需要的方程的 groupby 分量。我在这里找到了熊猫回复Pythonic way to calculate streaks in pandas dataframe

我已经能够转换除 groupby 片段之外的所有片段。任何帮助表示赞赏

这是我想复制的熊猫代码。唯一的非 numpy 等价物是 groupby。我还在 numpy 中创建了自己的 shift 函数。

熊猫版：

def streaks(df, col):
    sign = np.sign(df[col])
    s = sign.groupby((sign!=sign.shift()).cumsum()).cumsum()
    return df.assign(u_streak=s.where(s>0, 0.0), 
    d_streak=s.where(s<0,0.0).abs())

我的部分 numpy 版本：

arr = np.array([0.2,0.1,0.1,0.0,-0.2,-0.1,0.0])
sign = np.sign(arr)
s = np.not_equal(sign, shift(sign))
# now I need to groupby and then sum and sum again 
np.cumsum(groupby(np.cumsum(s)))

预期的结果应该是：

array([1.,2.,3.,0.,-1.,-2.,0.])

Answer 1

对于带有numpy的完整版，您不必使用groupby，您可以这样做：

arr = np.array([0.2,0.1,0.1,0.0,-0.2,-0.1,0.0])
sign = np.sign(arr)
s = np.abs(sign).cumsum() # or s = (arr != 0).cumsum()
streaks = (s - np.maximum.accumulate(np.where(arr == 0, s, 0)))*sign
print (streaks)
#[ 1.  2.  3.  0. -1. -2.  0.] 

它的作用是，每次arr 中的值不为 0 时，s 都会增加，然后您将从其中删除实际为 0 的位置的累积最大值，以便在 1 处“重新开始”计数下一个连胜，您只需乘以 sign 即可获得预期的输出。

编辑：上述方法假设正负条纹之间有一个 0，不假设这一点，您可以通过拆分正负情况来做到这一点：

arr = np.array([1.2,-1.2,0.2,0.1,0.1,0.0,-0.2,-0.1,0.0])
pos = np.clip(arr, 0, 1).astype(bool).cumsum()
neg = np.clip(arr, -1, 0).astype(bool).cumsum()
streaks = np.where(arr >= 0, pos-np.maximum.accumulate(np.where(arr <= 0, pos, 0)),
                             -neg+np.maximum.accumulate(np.where(arr >= 0, neg, 0)))
print (streaks)
#[ 1 -1  1  2  3  0 -1 -2  0]