在数据集中分割
天河
我正在寻找一种算法来解析0s（表示False）和99s（表示True）列表中的变量，以将它们分为2类。该列表实质上指示了另一个列表中的值是否超过某个阈值，如下图1所示。
我想获得类别1的值的列表，其中包含检测到的第一个99s分段和之后的每个99s备用分段。而类别2的值列表将包含检测到的99s的第2个初始段和此后的99s的每个备用段。作为示例，下面的图2和图3是我想要获得的Category 1和Category 2值。您可能会找到我的代码来复制下面的图。
图1：
图2：
图3：
df = pd.DataFrame(np.random.uniform(50,100,size=(100, 1)))
df2 = pd.DataFrame(np.random.uniform(50,100,size=(100, 1)))
zeros1 = pd.DataFrame(np.zeros(80))
zeros2 = pd.DataFrame(np.zeros(50))
zeros3 = pd.DataFrame(np.zeros(150))
zeros4 = pd.DataFrame(np.zeros(80))
zeros5 = pd.DataFrame(np.zeros(50))
df3 = pd.DataFrame(np.random.uniform(50,100,size=(100, 1)))
df4 = pd.DataFrame(np.random.uniform(50,100,size=(100, 1)))
df5=pd.concat([zeros1, df, zeros2, df2, zeros3, df3, zeros4, df4, zeros5 ], ignore_index=True)
times = pd.date_range('2012-10-01', periods=len(df5), freq='1min')
df6 = pd.concat([pd.DataFrame(times), df5], axis = 1, ignore_index=True)
segment = []
for i in range(0,len(df6)):
if df6.iloc[i,1]> 50:
segment.append(99)
else:
segment.append(0)
plt.plot(df6[0], df6[1])
plt.plot(df6[0], segment, color = 'r')
plt.xticks(rotation='vertical')
plt.show()
斯蒂夫
此代码将遍历0和99的列表，并记下每个99序列的开始和结束，并根据其奇偶性将其存储在其他列表中：
def get_alternate_segments(l):
state_v,state_p = (0,0) # cycling through states (0,0), (99,0), (0,1), (99,1)
segments = ([],[])
for i,v in enumerate(l):
if state_v == 0:
if v == 99:
start = i
state_v = 99
elif state_v == 99:
if v == 0:
end = i
segments[state_p].append((start, end))
state_v = 0
state_p = 1 - state_p
if state_v == 99:
end = len(l)
segments[state_p].append((start, end))
return segments
测验
>>> l = [0,99,99,99,0,0,99,99,0,0,0,99,0,99,0,99,99,99]
>>> get_alternate_segments(l)
([(1, 4), (11, 12), (15, 18)], [(6, 8), (13, 14)])
它是如何工作的？我们要记住，由于variable，我们当前看到的是0还是99 s state_v。我们还要记住，由于variable，我们当前是否看到了偶数或奇数段state_p。
- 当一个99段开始时，我们记下
i作为段开始的值。 - 当一个99区段末端，我们注意到的值
i作为该段的结尾，我们存储段作为一对(start, end)进入segment[0]或segment[1]取决于奇偶校验。
请注意，(start, end)索引对与python的范围和列表切片约定一致。即，从start包括到end排除。
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。
编辑于
相关文章
Related 相关文章
- 1
在数据框中分割日期和时间
- 2
在数据集中查找数据
- 3
选择Oracle中分组集中的最新数据
- 4
在数据 R 中分配子组
- 5
变量在数据集中多次出现的概率
- 6
在数据收集中解析 SNMP STRING
- 7
预测值不在数据集中
- 8
在数据集中过滤“因子”类型的列？
- 9
从分组数据集中随机分割数据
- 10
在python中分割大数据文件
- 11
根据字符位置在Excel中分割数据
- 12
在R中分组和分割数据帧
- 13
计算面板数据集中分类变量的更改次数
- 14
在数据框的列中分离值并融化
- 15
按组划分列（在数据框中分组）
- 16
在数据帧中分配时，因子变为整数
- 17
在数据帧的单列中分解分类变量向量？
- 18
如何在数据框中分类值
- 19
按组划分列（在数据框中分组）
- 20
AngularJS在数据集中显示最大重现属性
- 21
在数据集中查找具有特定值的列的索引
- 22
使用Shiny Inputs在数据集中创建新变量
- 23
在数据集中获取行计数为零
- 24
重复在数据集中有用吗？
- 25
在数字数据集中查找“异常值”
- 26
使用字典在数据集中查找条目
- 27
将混合模型的结果保存在数据集中
- 28
LightGBM'在数据集中使用categorical_feature。警告？
- 29
根据条件在数据集中创建新行
我来说两句