TechOverflow Logo
TechOverflow

如何检测 pandas 字符串列/series 中的值变化

English Deutsch 简体中文

TL;DR

为了获取每次输入字符串列变化时为 True 的 series，使用

example.py
my_column_changes = df["MyStringColumn"].shift() != df["MyStringColumn"]

此 Series 的第一个值始终为 True，因为在 series 开始之前值被认为是 NaN（由于 shift() 的行为）。为了强制第一个值为 False，使用

example.py
my_column_changes.iloc[0] = False

为了获取 dataframe 中列变化的行，使用

example.py
df[my_column_changes]

或使用此单行命令：

example.py
df[df["MyStringColumn"].shift() != df["MyStringColumn"]]

为了将此值分配给 DataFrame 中的新列，使用例如

example.py
df["MyStringColumnChanges"] = df["MyStringColumn"].shift() != df["MyStringColumn"]

完整示例：

首先我们从上一篇关于如何创建 pandas 时间序列 DataFrame 示例数据集的文章中加载示例：

example.py
import pandas as pd

# 加载预构建的时间序列示例数据集
df = pd.read_csv("https://techoverflow.net/datasets/timeseries-example.csv", parse_dates=["Timestamp"])
df.set_index("Timestamp", inplace=True)

现在我们创建一个新列，如果 "Sine" 列中的正弦波值为正则包含 Positive，如果该值为负则包含 "Negative"：

example.py
df["SinePositive"] = (df["Sine"] >= 0).map({True: "Positive", False: "Negative"})

现在我们使用上面显示的方法创建 ZeroCrossing 列：

example.py
# 创建 "change" 列（布尔值）
df["ZeroCrossing"] = df["SinePositive"].shift() != df["SinePositive"]

…并将第一个条目设置为 False，因为我们不认为 series 的开始是零交叉：

example.py
df["ZeroCrossing"].iloc[0] = False

现在我们可以使用

example.py
df[df["ZeroCrossing"]]

来显示 DataFrame 中发生零交叉的行：

output.txt
                                    Sine   Cosine SinePositive  ZeroCrossing
Timestamp
2020-05-25 20:05:10.040874 -6.283144e-03 -0.99998     Negative          True
2020-05-25 20:05:10.090874  6.283144e-03  0.99998     Positive          True
2020-05-25 20:05:10.140874 -6.283144e-03 -0.99998     Negative          True
2020-05-25 20:05:10.190874  6.283144e-03  0.99998     Positive          True
2020-05-25 20:05:10.240874 -6.283144e-03 -0.99998     Negative          True
2020-05-25 20:05:10.290874  6.283144e-03  0.99998     Positive          True
2020-05-25 20:05:10.340874 -6.283144e-03 -0.99998     Negative          True
2020-05-25 20:05:10.390874  6.283144e-03  0.99998     Positive          True
2020-05-25 20:05:10.440774 -2.450532e-15 -1.00000     Negative          True
2020-05-25 20:05:10.490874  6.283144e-03  0.99998     Positive          True
2020-05-25 20:05:10.540874 -6.283144e-03 -0.99998     Negative          True
2020-05-25 20:05:10.590874  6.283144e-03  0.99998     Positive          True
2020-05-25 20:05:10.640774 -1.960673e-15 -1.00000     Negative          True
2020-05-25 20:05:10.690874  6.283144e-03  0.99998     Positive          True
2020-05-25 20:05:10.740874 -6.283144e-03 -0.99998     Negative          True
2020-05-25 20:05:10.790874  6.283144e-03  0.99998     Positive          True
2020-05-25 20:05:10.840874 -6.283144e-03 -0.99998     Negative          True
2020-05-25 20:05:10.890774  4.901063e-15  1.00000     Positive          True
2020-05-25 20:05:10.940874 -6.283144e-03 -0.99998     Negative          True

完整示例代码：

example.py
import pandas as pd

# 加载预构建的时间序列示例数据集
df = pd.read_csv("https://techoverflow.net/datasets/timeseries-example.csv", parse_dates=["Timestamp"])
df.set_index("Timestamp", inplace=True)

# 创建包含 "Positive" 或 "Negative" 的新列
df["SinePositive"] = (df["Sine"] >= 0).map({True: "Positive", False: "Negative"})
# 创建 "change" 列（布尔值）
df["ZeroCrossing"] = df["SinePositive"].shift() != df["SinePositive"]
# 将第一个条目设置为 False
df["ZeroCrossing"].iloc[0] = False

# 打印结果
print(df[df["ZeroCrossing"]])
Check out similar posts by category: Pandas, Python