使用触发器重新采样和重塑 pandas 数据帧

Question

我有一个包含多个数据通道和一个触发通道的数据帧。触发通道为 0 或 1。事件发生时为 1。

我想检测事件的开始 (trigger == 1) 并在数据帧中采样数据通道，这样我只能在事件触发后获得指定的时间量。

举个具体的例子，考虑一下：

import numpy as np
import pandas as pd

np.random.seed(0)

# time in seconds
t = np.arange(10)*0.1

# data channels and trigger
d = dict(y=np.random.randn(10),
         z=np.random.randn(10),
         trigger=[0, 1, 0, 0, 0, 1, 0, 0, 0, 0])
df = pd.DataFrame(d, index=t)

所以df 是：

     trigger         y         z
0.0        0  1.764052  0.144044
0.1        1  0.400157  1.454274
0.2        0  0.978738  0.761038
0.3        0  2.240893  0.121675
0.4        0  1.867558  0.443863
0.5        1 -0.977278  0.333674
0.6        0  0.950088  1.494079
0.7        0 -0.151357 -0.205158
0.8        0 -0.103219  0.313068
0.9        0  0.410599 -0.854096

假设我有 0.2 秒的时间窗口。然后，当触发器在时间 0.1 秒和时间 0.5 秒时为 1 时，我想在此触发器之后在 0.2 的时间窗口中提取 y 和 z 并将它们放入具有维度的 numpy 3D 数组（事件数，样本时间窗口，通道数）。

在此示例中，两个触发事件、0.2 秒时间窗口内的 3 个样本和 2 个通道 (y,z) 的维度将为 (2, 3, 2)。

pandas 中是否有有效的方法来执行此操作？我现在能想到的唯一方法是循环 trigger == 1 事件。

Answer 1

提取设置触发器的行索引：

idx = np.where(df.trigger)[0]

将该一维数组扩展为一个二维数组，显示所有要采样的索引（这里我们每个触发器使用 3 个样本）：

samples = np.arange(3) + idx[:,np.newaxis]

这是一个 2x3 数组：

array([[1, 2, 3],
       [5, 6, 7]])

我们用来得到最终结果的：

out = df[['y', 'z']].values[samples]

这是一个 2x3x2 数组，其中每个触发器的 y 和 z 值乘以每个触发器的样本数。