如何根据特定规则在一系列值中标记？

debugcn 发表于 Dev

维吾尔人

我想在我的意甲中找到正面和负面的波动。那么如何标记数据？我的数据
示例
：

| date                | value |
|---------------------|-------|
| 2018-09-06 00:00:03 | 0     |
| 2018-09-06 00:00:04 | 0     |
| 2018-09-06 00:00:05 | 1     |
| 2018-09-06 00:00:06 | 1     |
| 2018-09-06 00:00:07 | 2     |
| 2018-09-06 00:00:08 | -1    |
| 2018-09-06 00:00:09 | -5    |
| 2018-09-06 00:00:10 | 0     |
| 2018-09-06 00:00:11 | -6    |
| 2018-09-06 00:00:12 | 2     |
| 2018-09-06 00:00:13 | 0     |
| 2018-09-06 00:00:14 | 4     |

我想要的结果：

| date                | value | sign |
|---------------------|-------|------|
| 2018-09-06 00:00:03 | 0     | 1    |
| 2018-09-06 00:00:04 | 0     | 1    |
| 2018-09-06 00:00:05 | 1     | 1    |
| 2018-09-06 00:00:06 | 1     | 1    |
| 2018-09-06 00:00:07 | 2     | 1    |
| 2018-09-06 00:00:08 | -1    | 2    |
| 2018-09-06 00:00:09 | -5    | 2    |
| 2018-09-06 00:00:10 | 0     | 2    |
| 2018-09-06 00:00:11 | -6    | 2    |
| 2018-09-06 00:00:12 | 2     | 3    |
| 2018-09-06 00:00:13 | 0     | 3    |
| 2018-09-06 00:00:14 | 4     | 3    |

接着：

mydata.groupby(['sign']).transform('sum')

广晃

您的采样数据不包括正波和负波被零分开的情况，例如1 0 0 -1。这是解决此问题的解决方案：

# mask the zeros
s = mydata['value'].eq(0)

# merge the zeros to the wave after them
m = np.sign(mydata['value']).mask(s).bfill()

# result
mydata['sign'] = m.diff().ne(0).cumsum()

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。