pandas：以两列为中心

一尘不染

pandas：以两列为中心

我有以下数据：

import pandas as pd, numpy as np
dates = pd.date_range('01/01/2022', '01/11/2022', freq = 'D')
values = [0,0,1,1,0,0,1,1,1,0,1]
df = pd.DataFrame({'date': dates, 'value': values})
df

    date    value
0   2022-01-01  0
1   2022-01-02  0
2   2022-01-03  1
3   2022-01-04  1
4   2022-01-05  0
5   2022-01-06  0
6   2022-01-07  1
7   2022-01-08  1
8   2022-01-09  1
9   2022-01-10  0
10  2022-01-11  1

我想对此进行转换，以便我最终得到一个“开始”和“结束”列，这样开始是 1 的第一次出现，结束是 1 的最后一次连续出现。基本上我应该这样结束：

start      end
2022-01-03 2022-01-04  
2022-01-07 2022-01-09
2022-01-11

所以到目前为止我所做的如下：

conditions = [
    (df.value == 1) & (df.value.shift(1) == 0),
    (df.value == 1) & (df.value.shift(-1) == 0)]
choices = ['start', 'end']
df['value'] =  np.select(conditions, choices, default=pd.NA)
df = df.dropna()
df.pivot(columns='value')

    date
value   end         start
2       NaT         2022-01-03
3       2022-01-04  NaT
6       NaT         2022-01-07
8       2022-01-09  NaT
10      NaT         2022-01-11

正如你所看到的，它几乎就在那里......我可以做一些额外的摆弄来得到我想要的 - 但我觉得我可能以错误的方式接近这个。
有没有更好、更有效的方法来解决这个问题？

阅读 119

2022-10-08

共1个答案

一尘不染

我会在groupby.agg这里使用：

# which rows have value 1?
m = df['value'].eq(1)

(df[m] # keep only value==1
 .groupby(m.ne(m.shift()).cumsum()) # group by consecutive values
 ['date'].agg(['first', 'last'])    # get first and last date
 .reset_index(drop=True)
)

输出：

       first       last
0 2022-01-03 2022-01-04
1 2022-01-07 2022-01-09
2 2022-01-11 2022-01-11

2022-10-08